陈浩斌 Haobin Chen

研究内容：针对复杂环境中无人机难以兼顾避障与人员搜救的问题，本研究提出基于改进 EGO-Planner 的自主搜救系统，采用双向 A* 优化路径，结合 RT-DETR 检测被困人员，并以紧凑型机体完成自主飞行。

负责内容：作为项目负责人和论文第一作者，负责提出并实现基于改进 EGO-Planner 的自主搜救方案：以双向 A* 替换原始 A* 生成无碰撞初始路径，在保证路径最优性的同时缩短搜索时间；基于 B 样条构建平滑、碰撞与可行性联合代价，采用拟牛顿法和各向异性曲线拟合优化轨迹，并训练 RT-DETR-L 识别受困人员。

所获成果：以第一作者在 IEEE ICCEA 2024 发表会议论文一篇；主持 2023 年度大学生创新训练计划《搜救、巡检、探索一体化无人机集群》（国家级，项目编号：202310255009）；主持 2024 年度大学生创业实践计划《地空协同智能无人集群系统》（国家级，项目编号：202410255002S）；作为第二发明人参与申请国家发明专利《一种基于无人机的复杂环境搜救方法》（已受理，申请号：202410207396.0）；作为共同著作权人（列第一位）登记计算机软件著作权《无人机自主飞行算法控制系统 V1.0》（登记号：2024SR1718737）。

研究内容：针对中文新闻短文本信息密集、关键句难以提取的问题，本研究提出 BERTSum-LSTM 抽取式摘要模型，利用 BERTSum 编码句子语义，通过 LSTM 建模句间上下文，再按重要性分数选择关键句生成摘要。

负责内容：提出 BERTSum-LSTM 中文抽取式摘要方法：先用 BERTSum 编码句子获得深层语义表示，再引入 LSTM 建模句间顺序依赖，通过线性层与 Softmax 计算句子重要性；针对 LCSTS 缺少抽取式标签的问题，构建基于 ROUGE 最大化的贪心 oracle 标注流程，将生成式摘要转换为句级监督信号。

所获成果：以第二作者在《IEEE ICMIII 2024》发表会议论文一篇。

研究内容：针对 RNA 基础模型偏重序列信息、难以学习碱基配对结构的问题，本研究提出结构引导的 structRFM，通过 MUSES 融合多种结构预测，采用成对掩码联合学习序列与二级结构，并迁移到结构和功能任务。

负责内容：负责训练集与测试集的 RNA 序列相似性分析：使用 rMSA 和 BLASTN 从 RNAcentral、NT 数据库检索同源序列并生成 MSA，构建两两相似度矩阵，以测试序列对训练集的最大相似度刻画分布差异；参与部分下游结构与功能任务训练，并完成 CASP15、CASP16 数据统计及可视化。

所获成果：论文《A fully open structure-guided RNA foundation model for robust structural and functional inference》（第四作者）已被《Nature》正式接收。

研究内容：针对非经典肿瘤新抗原数据分散、结合规律学习不足的问题，本研究提出 NeoAtlas-Tumor 数据库与 NeoBert 模型，汇总免疫肽组数据，联合编码 HLA 与候选肽序列，实现新抗原检索和结合预测。

负责内容：提出并实现 NeoBert，将 HLA 与肽序列拼接为带 [CLS]/[SEP] 的统一输入，引入氨基酸身份、片段和位置嵌入及 12 层双向 Transformer；随机掩码 15% 氨基酸，联合优化 HLA–肽结合分类与掩码氨基酸预测，使模型同时适配经典与非经典新抗原，并完成与 NetMHCpan-4.1 的对比测试。

所获成果：以第六作者在《Genomics, Proteomics & Bioinformatics》发表期刊论文一篇。

研究内容：针对单一模型处理 PET 合成、CT 去噪和 MRI 超分辨率时产生任务干扰的问题，本研究提出 MARR 医学图像复原框架，依次生成策略提示、执行模态私有残差适配和输出校准，以共享网络完成三类复原任务。

负责内容：作为第一作者，提出 MARR“决策—执行—校准”框架：融合输入强度、梯度、频域统计、模态标识及潜在内容路由提示池，以提示门控的 DWConv–GELU–PWConv 模态私有残差适配器细化解码特征，再用零初始化模态输出头校正 PET、CT 和 MRI 的强度与纹理偏差；复现 13 种方法并开展消融及机制诊断。

所获成果：目前 ICASSP 2027 在审中。

研究内容：针对临床脑肿瘤分割中 MRI 模态可能任意缺失、统一融合难以兼顾细节与语义的问题，本研究提出 LASSNet，使用 HACF 保留浅层空间信息，以 TriRSF 建模深层跨模态关系，再通过粗到细解码完成分割。

负责内容：作为第一作者，提出 LASSNet 层级感知方法：HACF 通过可用模态计数归一化、掩码条件通道调制和局部 3D 注意力稳定浅层细节；TriRSF 利用三尺度瓶颈金字塔、可用模态关系图及局部—全局建模增强语义互补，再经粗到细解码融合两路特征，并在 BraTS2019/2023 全部 15 种非空模态组合上完成验证。

学术成果：论文整理中。

研究内容：针对 RNA 与小分子相互作用预测和核苷酸级结合位点定位粒度不同、共享表征容易互相干扰的问题，本研究提出 ReTIF 多任务框架，为两项任务分别构建交互张量，并用全局相互作用信号辅助局部位点识别。

负责内容：提出粒度感知多任务交互路由 ReTIF：融合 RNA-FM、structRFM、Mole-BERT 和 MolFormer 表征，在聚合前为 DTI 与结合位点任务构建独立交互张量；参与关系引导传播、DTI→BS 单向门控及弱分子先验正则的训练评测，验证未见 RNA、化合物及联合未见场景的泛化。

所获成果：AAAI 2027 二轮审稿中。

研究内容：针对长链非编码 RNA 预测中局部序列基序与远程碱基配对难以统一建模、现有模型缺乏一致评测的问题，本研究提出 LncPairMamba 结构引导基础模型，通过多尺度卷积、配对联合掩码与双向门控融合学习序列结构表示，并构建覆盖 15 个数据集的 LncBench 基准开展多任务评测。

负责内容：提出双向状态空间建模与配对状态门控融合机制，解决长链非编码 RNA 远距离依赖难以捕获、正反向序列信息难以有效协同的问题，实现局部基序与长程结构信息的联合表征；最终模型在 13 个适配数据集中有 11 项主指标取得最优结果。

所获成果：论文整理中。

研究内容：针对 RNA 三级结构生成中配对先验不足、原子几何监督偏弱的问题，构建双路径条件流模型，将 BPFold 能量图与配对概率注入 RNA 模块和 IPA，并联合五类结构损失，提高全局折叠、局部构象和原子合理性。

负责内容：提出 C1′ 框架驱动的全原子 RNA 生成方法，以九个扭转角重建 23 原子，解决骨架表示难以刻画碱基与糖环构象的问题；提出 BPFold 双路径条件机制，将能量偏置注入 RNA Transformer、校准配对权重注入 IPA，并联合五项结构损失，增强全局折叠、局部几何与原子合理性。

所获成果：论文整理中。