近日，云南大学软件学院(人工智能学院)杨云教授团队最新研究成果被医学图像领域国际顶级会议 MICCAI 2026 提前录用。论文题为Boundary-Aware Multi-Granularity Learning for Depression Severity Estimation该论文以云南大学为第一完成单位，软件学院研究生李志鸿（第一作者）、杨本强，博士生王耀威为共同作者，杨云教授为通讯作者。
MICCAI （Medical Image Computing and Computer Assisted Intervention ）是智慧医疗领域最具权威的顶级学术会议，被公认为该领域的“风向标”。该国际会议自1998年开始举办，至今已举办28届，第29届MICCAI会议将于2026年9月27到10月1日在法国斯特拉斯堡举行。2026 年会议共收到投稿 4601 篇，创下历史新高，仅排名前 9% 的论文获得提前录用资格，竞争异常激烈。
该研究聚焦于抑郁严重程度智能评估这一重要问题，抑郁严重程度估计通常被建模为连续回归任务，但临床决策往往依赖于离散的严重程度等级。这种粒度不匹配会导致边界无感知的优化过程，以及缺乏有序严重程度结构的表征。为此，论文提出了多粒度监督方法，将连续分数和有序等级作为互补监督信号共同利用。论文的核心理论贡献在于证明：有序监督能够诱导边界感知的梯度放大，即梯度幅值会在临床阈值处达到峰值。论文进一步通过有序一致性正则化在预测空间中实现边界感知，并通过基于原型的严重程度对比学习在特征空间中建模有序结构。在 AVEC 2013、AVEC 2014、DAIC-WOZ 和 E-DAIC 四个基准数据集上，所提方法均刷新当前最优性能。
代码链接：https://github.com/aqlzh/BAMGL_Depression
