近期，人工智能学院智能信息处理与情感计算江西省重点实验室聚焦情感计算、多模态信息处理、智能优化与医学健康数据智能分析等研究方向，在相关领域取得了一系列重要科研成果。实验室主任程艳教授，副主任易玉根博士、周新宇博士，以及骨干成员周强强博士分别带领团队开展持续攻关，相关成果近期发表于《Pattern Recognition》《Engineering Applications of Artificial Intelligence》《IEEE Transactions on Evolutionary Computation》《IEEE Transactions on Circuits and Systems for Video Technology》等SCI一区TOP期刊。相关成果体现了实验室在智能信息处理基础理论、情感计算关键技术、多模态感知分析和智能优化算法设计等方面的研究积累与创新能力。相关进展如下：
进展1：实验室主任程艳教授在情感计算领域取得新突破，指导2023级硕士研究生陈慧玲等在中科院SCI一区TOP期刊《Pattern Recognition》发表学术论文“Personality-aware emotion recognition in conversation with large language models”。该研究成果提出了一种融合大语言模型的人格感知对话情感识别方法，通过挖掘对话参与者的人格特征提升情感状态识别性能，为智能人机交互与情感计算研究提供了新的解决思路。《Pattern Recognition》是模式识别与人工智能领域的国际权威期刊，也是中国计算机学会（CCF）推荐的国际权威学术期刊。
进展2：实验室副主任易玉根博士在医学健康图像分割领域取得新进展，指导24级硕士研究生王美云等在中科院SCI一区TOP期刊《Engineering Applications of Artificial Intelligence》发表学术论文“An industrial informatics-oriented multi-scale convolutional Mamba with multi-frequency attention for robust medical image segmentation”。该研究成果提出了一种面向工业信息学场景的多尺度卷积Mamba与多频率注意力融合框架，有效提升了复杂医学图像分割任务中的特征提取能力和分割精度，为智能医疗与工业智能应用提供了新的技术方案。《Engineering Applications of Artificial Intelligence》是人工智能领域的国际高水平期刊，也是中国计算机学会（CCF）推荐的国际重要学术期刊。
进展3：实验室副主任周新宇博士在智能优化算法设计领域取得新进展，指导23级硕士研究生林伟峰等在中科院SCI一区TOP期刊《IEEE Transactions on Evolutionary Computation》发表学术论文“Dynamic escaping population driven evolutionary algorithm for multi-objective optimization problems with deceptive constraints”。该研究成果提出了一种动态逃逸种群驱动的约束多目标进化算法，通过设计的动态逃逸机制和多群体协同机制，赋予算法求解复杂欺骗性约束多目标优化问题的能力。《IEEE Transactions on Evolutionary Computation》是人工智能与进化计算领域的国际顶刊，也是中国计算机学会（CCF）推荐的国际权威学术期刊。
进展4：实验室骨干成员周强强博士在多模态感知分析领域取得新进展，指导24级硕士研究生徐佳伟等在中科院SCI一区TOP期刊《IEEE Transactions on Circuits and Systems for Video Technology》发表学术论文“DifferSeg: Towards Diverse Multimodal Binary Segmentation via Differential Perception and Frequency Guidance”。该研究成果提出了一种简单且通用的多模态二值分割框架，提高了多模态方法在目标检测及医学图像中的分割准确率。《IEEE Transactions on Circuits and Systems for Video Technology》是人工智能与计算机视觉领域的国际顶刊、IEEE汇刊，也是中国计算机学会（CCF）推荐的国际权威学术期刊。
此次系列成果覆盖对话情感识别、健康医学图像、约束多目标进化优化和多模态二值分割等多个前沿研究主题，既体现了实验室在情感计算、智能信息处理和智能优化等方面的持续积累，也展现了实验室面向复杂数据分析和人工智能应用场景开展交叉研究的能力。下一步，实验室将继续聚焦人工智能前沿问题和地方发展需求，持续加强高水平科研团队建设、研究生创新能力培养和标志性成果培育，通过有组织科研为学校高水平科研平台建设和人工智能相关学科发展提供有力支撑。