香港科技大学博士研究生我是香港科技大学(HKUST)博士四年级研究生,师从李小萌教授(Prof. Xiaomeng LI)。我的研究处于人工智能与医学图像分析的交叉领域,致力于用机器智能推动医疗健康的发展。目前,我主要研究用 AI 方法推进神经科学(Neural Science)。
此前,我在四川大学获得软件工程学士学位,并作为本科科研实习生与王艳教授(Prof. Yan Wang)密切合作。

Bowen LIU, Qixiang ZHANG*, Xiaomeng LI
Under Review 2026
[Preprint] WSI Analysis Benchmark MLLM
Bowen LIU, Qixiang ZHANG*, Xiaomeng LI
Under Review 2026
[Preprint] WSI Analysis Benchmark MLLM

Qixiang ZHANG*, Yi LI, Tianqi XIANG, Haonan WANG, Mengjiao WEI, Bo XU, Xiaomeng LI
Under Review 2026
[Preprint] WSI Analysis
Qixiang ZHANG*, Yi LI, Tianqi XIANG, Haonan WANG, Mengjiao WEI, Bo XU, Xiaomeng LI
Under Review 2026
[Preprint] WSI Analysis

Yi LI, Zhihao LIN, Qixiang ZHANG*, Xinpeng DING, Honglong YANG, Linjing PIN, Wei YUAN, Yongqin WEN, Lingliang GUO, Qingling ZHANG, Xiaomeng LI
Medical Image Analysis (MedIA) SCI Q1 2026
Yi LI, Zhihao LIN, Qixiang ZHANG*, Xinpeng DING, Honglong YANG, Linjing PIN, Wei YUAN, Yongqin WEN, Lingliang GUO, Qingling ZHANG, Xiaomeng LI
Medical Image Analysis (MedIA) SCI Q1 2026

Yi Li, Ziyu Ning, Tianqi Xiang, Qixiang Zhang, Yi Min, Zhihao Lin, Feiyan Feng, Baozhen Zeng, Xuexia Qian, Lu Sun, Jiace Qin, Ling Xiang, Chao Fan, Tian Qin, Qian Wang, Xiu-Wu Bian, Qingling Zhang, Xiaomeng Li
Nature Cancer SCI Q1 2026
……本文提出了一种新范式——无需训练的示例驱动泛癌识别(Pan-cancer Recognition via Examples without Training, PRET)。PRET 在推理阶段从少量示例中学习,无需对模型进行微调,仅用单一模型即可灵活、可扩展且有效地识别不同器官、不同医院与不同任务中的癌症。在跨国际医院与多种基准的大量评测中,我们的方法在 20 项任务上超越了现有方法,在 15 个基准上取得了超过 97% 的性能,最大提升达 36.76%……
Yi Li, Ziyu Ning, Tianqi Xiang, Qixiang Zhang, Yi Min, Zhihao Lin, Feiyan Feng, Baozhen Zeng, Xuexia Qian, Lu Sun, Jiace Qin, Ling Xiang, Chao Fan, Tian Qin, Qian Wang, Xiu-Wu Bian, Qingling Zhang, Xiaomeng Li
Nature Cancer SCI Q1 2026
……本文提出了一种新范式——无需训练的示例驱动泛癌识别(Pan-cancer Recognition via Examples without Training, PRET)。PRET 在推理阶段从少量示例中学习,无需对模型进行微调,仅用单一模型即可灵活、可扩展且有效地识别不同器官、不同医院与不同任务中的癌症。在跨国际医院与多种基准的大量评测中,我们的方法在 20 项任务上超越了现有方法,在 15 个基准上取得了超过 97% 的性能,最大提升达 36.76%……

Jingyu LU, Haonan WANG, Qixiang ZHANG*, Xiaomeng LI
International Conference of Learning Representations (ICLR) CCF-A 2026
[Preprint]
[Code]
AI for Neural Science
Jingyu LU, Haonan WANG, Qixiang ZHANG*, Xiaomeng LI
International Conference of Learning Representations (ICLR) CCF-A 2026
[Preprint]
[Code]
AI for Neural Science

Qixiang ZHANG, Yi LI, Tianqi XIANG, Haonan WANG, Xiaomeng LI
Under review 2025
WSI Analysis
Qixiang ZHANG, Yi LI, Tianqi XIANG, Haonan WANG, Xiaomeng LI
Under review 2025
WSI Analysis

Yi LI, Haonan Wang, Qixiang Zhang, Boyu Xiao, Chenchang Hu, Hualiang Wang, Xiaomeng Li
Submitted to Annual Conference on Neural Information Processing Systems (NeurIPS) 2025
[Preprint]
[Code]
Benchmark MLLM
Yi LI, Haonan Wang, Qixiang Zhang, Boyu Xiao, Chenchang Hu, Hualiang Wang, Xiaomeng Li
Submitted to Annual Conference on Neural Information Processing Systems (NeurIPS) 2025
[Preprint]
[Code]
Benchmark MLLM

Haonan WANG*, Qixiang ZHANG*, Lehan WANG, Xuanqi HUANG, Xiaomeng LI (* 同等贡献)
International Conference of Computer Vision (ICCV) CCF-A 2025
[Preprint]
[Code]
AI for Neural Science
Haonan WANG*, Qixiang ZHANG*, Lehan WANG, Xuanqi HUANG, Xiaomeng LI (* 同等贡献)
International Conference of Computer Vision (ICCV) CCF-A 2025
[Preprint]
[Code]
AI for Neural Science

Honglong Yang, Shanshan Song, Yi Qin, Lehan Wang, Haonan Wang, Xinpeng Ding, Qixiang Zhang, Bodong Du, Xiaomeng Li
Under Review 2025
通用医学 AI 系统已在生物医学感知任务中展现出专家级性能,但其临床实用性仍受限于多模态可解释性不足与预后能力欠佳。为此,我们提出 XMedGPT——一个以临床医生为中心的多模态 AI 助手,融合文本与视觉可解释性,以支持透明、可信的医疗决策。XMedGPT 不仅能生成准确的诊断与描述性输出,还能将所引用的解剖部位在医学图像中进行定位接地,弥补了可解释性上的关键缺口并提升了临床可用性。该模型在 141 个解剖区域上取得 0.703 的交并比(IoU),Kendall’s tau-b 达到 0.479,表明视觉依据与临床结局之间具有很强的一致性。在生存期与复发预测任务中,其性能超越此前领先模型 26.9%……
[Preprint] MLLM Benchmark
Honglong Yang, Shanshan Song, Yi Qin, Lehan Wang, Haonan Wang, Xinpeng Ding, Qixiang Zhang, Bodong Du, Xiaomeng Li
Under Review 2025
通用医学 AI 系统已在生物医学感知任务中展现出专家级性能,但其临床实用性仍受限于多模态可解释性不足与预后能力欠佳。为此,我们提出 XMedGPT——一个以临床医生为中心的多模态 AI 助手,融合文本与视觉可解释性,以支持透明、可信的医疗决策。XMedGPT 不仅能生成准确的诊断与描述性输出,还能将所引用的解剖部位在医学图像中进行定位接地,弥补了可解释性上的关键缺口并提升了临床可用性。该模型在 141 个解剖区域上取得 0.703 的交并比(IoU),Kendall’s tau-b 达到 0.479,表明视觉依据与临床结局之间具有很强的一致性。在生存期与复发预测任务中,其性能超越此前领先模型 26.9%……
[Preprint] MLLM Benchmark

Haonan Wang, Jiaji Mao, Lehan Wang, Qixiang Zhang, Marawan Elbatel, Yi Qin, Huijun Hu, Baoxun Li, Wenhui Deng, Weifeng Qin, Hongrui Li, Jialin Liang, Jun Shen, Xiaomeng Li
Submitted to Nature Communication Under Review. 2025
……我们提出 RCMed,一个在输入与输出两端同时强化多模态对齐的全栈式 AI 助手,通过层次化的视觉—语言接地,为临床医生提供精确的解剖结构勾画、准确的定位与可靠的诊断。RCMed 在包含 2000 万组「图像—掩膜—描述」三元组的数据集上训练,在刻画不规则病灶与细微解剖边界方面达到当前最优精度,并在涵盖 9 种模态的 165 项临床任务中表现优异……
[Preprint] [Demo] SegmentationMLLM
Haonan Wang, Jiaji Mao, Lehan Wang, Qixiang Zhang, Marawan Elbatel, Yi Qin, Huijun Hu, Baoxun Li, Wenhui Deng, Weifeng Qin, Hongrui Li, Jialin Liang, Jun Shen, Xiaomeng Li
Submitted to Nature Communication Under Review. 2025
……我们提出 RCMed,一个在输入与输出两端同时强化多模态对齐的全栈式 AI 助手,通过层次化的视觉—语言接地,为临床医生提供精确的解剖结构勾画、准确的定位与可靠的诊断。RCMed 在包含 2000 万组「图像—掩膜—描述」三元组的数据集上训练,在刻画不规则病灶与细微解剖边界方面达到当前最优精度,并在涵盖 9 种模态的 165 项临床任务中表现优异……
[Preprint] [Demo] SegmentationMLLM

Yi LI, Qixiang ZHANG, Tianqi XIANG, Xiaomeng LI
International Conference on Medical Image Computing and Computer-Assisted Intervention (MICCAI) 2024
Yi LI, Qixiang ZHANG, Tianqi XIANG, Xiaomeng LI
International Conference on Medical Image Computing and Computer-Assisted Intervention (MICCAI) 2024

Qixiang Zhang, Yuxiang Yang, Chen Zu, Jianjia Zhang, Xi Wu, Jiliu Zhou, Yan Wang
IEEE Transactions on Emerging Topics in Computational Intelligence (TETCI) 2023
[Paper] Segmentation
Qixiang Zhang, Yuxiang Yang, Chen Zu, Jianjia Zhang, Xi Wu, Jiliu Zhou, Yan Wang
IEEE Transactions on Emerging Topics in Computational Intelligence (TETCI) 2023
[Paper] Segmentation
我一直信奉这样一句话:“上帝赐予我们最珍贵的礼物,就是这个世界。”科研之外,我热爱水上运动,包括游泳(国家二级运动员)、冲浪、帆板和皮划艇。我也十分热心于环球探索与志愿服务,旅途已带我走过中国、德国、新加坡、美国和加拿大等国家的许多城市。过去两年,我在中国三亚度过暑假,作为志愿者担任海岸救生员——这是一段很有意义的经历,我也打算在未来的岁月里继续下去。愿上帝保佑每一个人,也愿上帝保佑我!