此次系列研究充分整合我校技术优势与惠州市第一妇幼保健院丰富的临床资源、顶尖医学专家经验，精准聚焦妊娠期糖尿病（GDM）早期预测、胎盘病理智能检测、产后血脂异常风险预警等临床痛点难点问题，开展联合攻关，实现了技术创新与临床需求的精准对接，彰显了我校服务地方民生的责任担当。
研究一：妊娠期糖尿病早期预测实现新突破
我校团队相关研究成果《Enhancing Early Prediction of Gestational Diabetes Mellitus through Data Augmentation and Feature Guidance》成功发表于国际知名期刊JMIR Medical Informatics（SCI，IF: 3.8, Q1）。研究创新性地提出了融合生成对抗网络数据增强与大语言模型特征引导的双维度增强框架。该框架有效解决了早期预测中样本量少、类别不平衡等难题，所构建的随机森林模型在测试集上AUC达0.887，为GDM的早期快速筛查和分层管理提供了可靠工具。
论文第一作者为我校2021级本科生陈协琨，通讯作者为张振
研究二：胎盘病理智能检测技术升级
发表于Scientific Reports（SCI，IF: 3.9，Q1）的论文《Automated detection of fetal vascular malperfusion via data augmentation and algorithm improvement》，针对胎盘病理诊断中主观性强、效率低的问题，提出基于MONAI数据增强与LocalWindow注意力机制改进的YOLOv11模型。在胎儿血管灌注异常的七类典型病变检测中，F1分数、mAP50等关键指标较基线模型大幅提升，检测性能接近中级病理医师水平，为临床智能辅助诊断系统的开发奠定了坚实基础。
论文第一作者为我校2023级本科生李旭轩，通讯作者为张振
研究三：聚焦产后健康管理，构建GDM产后血脂异常预测模型
论文的共同第一作者为我校2021级本科生陈协琨，通讯作者为张振
研究四：胎盘病理检测精度再创新高，推动临床应用落地
发表于国际期刊Heliyon的论文《Enhancing placental pathology detection with GAMatrix-YOLOv8 model》，创新性将GAM注意力机制嵌入YOLOv8骨干网络，构建了GAMatrix-YOLOv8模型，在胎盘绒毛成熟延迟检测中准确率高达0.997，实现了胎盘病理检测精度的重大突破。同时，研究团队同步开发了图形用户界面，实现了病理图像上传、实时检测与结果分析一体化，为病理人工智能辅助诊断系统的临床转化应用迈出了关键一步，助力医疗服务向智能化、高效化升级。
论文第一作者为我校2021级本科生吴炜锐同学，通讯作者为张振
此外，张振团队与江志发团队的相关研究成果，成功入选以“传承、创新、发展”为主题的2026年中国医院信息网络大会论文集。该大会作为我国医院信息化领域的顶级学术盛会，汇聚了全国医疗信息化领域的行业精英，聚焦人工智能等前沿热点，是展示医疗数字化转型成果的重要平台。
团队撰写的论文入选2026年中国医院信息网络大会论文集
会上，张振代表合作团队作论文宣讲报告，详细介绍了研究成果的技术创新点与临床应用价值，与全国医疗信息化同行深入交流探讨，获得了与会专家的广泛关注与高度评价，进一步提升了我校在“人工智能+医疗健康”交叉领域的行业影响力。
张振在2026年中国医院信息网络大会作论文宣讲报告