课程项目中负责肺部病灶分割模块，基于公开数据集搭建U-Net基线，设计随机裁剪、弹性变换与强度扰动增强策略，使用PyTorch训练并对比交叉熵与Dice损失组合效果。与两名同学分工完成数据划分和结果可视化，在固定验证集口径下记录指标波动并复盘过拟合案例，最终形成实验报告与调参建议，为后续医学影像方向学习打下基础。项目后期补充消融实验，验证增强策略对边界区域Dice的提升幅度，并整理成可复现的训练配置与结果表格。

校园智能医疗竞赛中负责问诊文本意图分类，使用中文预训练模型微调，结合规则清洗与类别重采样缓解长尾问题，在官方验证集口径下对比不同学习率与序列长度的影响。与队友协作完成错误样本分析与结果复核，整理特征与调优记录，输出可复现的实验说明，并总结多类别不平衡场景下的训练经验。针对易混淆意图类别补充混淆矩阵分析，提出分层采样与阈值调整方案，使少数类召回率得到改善。