Runhai HeMedical AI · Helsinki
联系
Runhai He
个人主页 · 2026 卷科研 // 系统 // Web

博士研究员 · 赫尔辛基大学与 HUS

何润海Runhai He

医学人工智能研究者 / 全栈工程师

我构建兼具科研深度与工程清晰度的医学人工智能系统。

何润海在马拉海德 ESH 研讨会上作报告
图 1在 ESH 血液学数据科学与人工智能研讨会上作入选口头报告,爱尔兰马拉海德,2026 年 9 月。
§00

我目前是赫尔辛基大学医学人工智能方向博士研究员,并在 Hematoscope Lab 与赫尔辛基大学医院开展研究。我的工作连接计算机视觉、生存分析、统计建模与可靠的软件工程。

在科研之外,我也独立设计并交付全栈 Web 产品,从数据密集型医疗系统到成熟的生产级企业网站。

当前研究重点 — 面向癌症预后的多模态深度学习,将骨髓细胞形态与临床变量进行联合建模。

芬兰赫尔辛基开放赫尔辛基本地及远程工作机会

当前单位

连接科研与临床环境的医学人工智能工作

就读于赫尔辛基大学医学院,并在 Hematoscope Lab 与 HUS 综合癌症中心开展博士研究。

§01

从一张骨髓涂片,到一份生存预测。

用一条流程讲清我的博士课题:细胞图像与临床数据如何一步步变成新诊断多发性骨髓瘤患者的总生存期预测。

  1. 01

    骨髓涂片

    起点是诊断时的骨髓穿刺涂片,也就是血液科医生在诊断时本来就会在显微镜下查看的样本。

  2. 02

    单细胞图像

    把每张涂片拆分成一个个单细胞图像,让形态可以逐个细胞地被读取。

  3. 03

    自监督 ViT 编码

    一个无需人工标注训练的视觉 Transformer,把每张细胞图像压缩成刻画其形态的向量表示。

  4. 04

    多实例学习

    一位患者有大量细胞,却只有一个结局。多实例学习把这些细胞表示聚合成一个患者层面的表示。

  5. 05

    Cox 生存模型

    用 Cox 比例风险模型把患者表示与总生存期联系起来,得到一个基于细胞形态的风险评分。

  6. 06

    与临床变量后期融合

    最后把形态风险与已有的临床变量融合,检验骨髓形态能否在这些变量之外提供额外的预后信息。

§02

三个项目,体现科研深度与工程广度。

01

博士研究 · 医学人工智能

多发性骨髓瘤多模态生存预测

开发端到端生存建模流程,通过自监督视觉编码器、多实例学习、Cox 模型与后期融合,将骨髓单细胞形态与临床变量连接起来。

角色:博士研究员与第一作者,负责研究设计、建模、评估设计和科研表达。

PyTorch · 自监督 ViT · 多实例学习 · 生存分析

02

客户交付 · Web 与品牌

OK Graniitti Oy — 企业网站与品牌标识

为芬兰花岗岩采石企业设计并交付数字化形象,包括响应式网站、多语言信息架构、生产部署和定制 SVG 品牌标识。

角色:自由职业开发者,负责产品结构、界面设计、实现、部署与视觉识别。

React · TypeScript · 响应式界面 · 品牌系统

03

全栈系统 · 医疗健康

HealthHub — 医院信息管理系统

使用 Spring Cloud 微服务迭代医院信息系统,拆分患者、医生和挂号服务,覆盖预约、排班、病历、审核、分析及实时通信。

角色:全栈开发者,扩展数据模型与服务边界,使用 MyBatis-Plus 优化接口,并加入 WebSocket 通信。

Spring Cloud · MyBatis-Plus · WebSocket · 微服务

§03
§04

科研、产品交付与技术发表。

2025 — 至今

医学人工智能博士研究员

赫尔辛基大学 · HUS · Hematoscope Lab

研究面向癌症预后的多模态深度学习,连接细胞形态、临床数据与时间结局建模。

2025 — 至今

独立开发者与自由职业开发者

Web 产品与客户系统

设计和交付生产级 Web 产品、人工智能辅助工具、响应式界面、API、数据流程与部署系统。

2023 — 2025

应用数学与信息学硕士研究者

白俄罗斯国立大学

研究特征工程、医学图像分类、时间序列方法与统计建模,并形成同行评审论文。

§05

从软件工程、应用数学到医学人工智能。

赫尔辛基大学

芬兰

医学院博士研究员

2025.09 — 至今

癌症预后的多模态深度学习 · Hematoscope Lab、HUS

白俄罗斯国立大学

白俄罗斯

应用数学与信息学硕士

2023.09 — 2025.06

GPA 3.93/4.0 · 排名 1/15

白俄罗斯国立信息与无线电电子大学

白俄罗斯

自动化数据处理与控制联合学位

2021.09 — 2023.06

GPA 3.98/4.0 · 排名 1/12

南昌航空大学

中国

软件工程学士

2019.09 — 2023.06

GPA 3.48/4.0 · 排名 2/32

§06

公开发表的研究工作。

以下为当前 Google Scholar 公开主页列出的全部论文;排序综合引用信号与医学人工智能相关性。

  1. [1]
    回归问题中的特征工程方法综述

    Runhai He, Boyi Li, Fusheng Li, Qingqing Song

    Academic Journal of Natural Science 1(1), 32–40 · 2024

  2. [2]
    结合网格搜索与坐标上升优化的 CNN 脑癌 MRI 分类

    Runhai He, Boyi Li, Zhenxing Zhang, Quanhua Zhou, Rui Liu, Qingqing Song

    ICICR 2025, IEEE, 96–103 · 2025

  3. [3]
    基于 InceptionV3 的癌症检测血细胞分类

    Runhai He, Quanhua Zhou

    Journal of Computer Technology and Applied Mathematics 2(2), 24–30 · 2025

  4. [4]
    趋势对齐特征相关:时间序列数据的整体特征相关性度量

    Runhai He, Qingqing Song, Quanhua Zhou, Zhenxing Zhang, Shoujing Zhang

    SPIE Proceedings 13550, 49–62 · 2025

  5. [5]
    金融预测中的回归与集成模型评估:以苹果股票为例

    Runhai He, Zhenxing Zhang, Shoujing Zhang, Qingqing Song

    Journal of Industrial Engineering and Applied Science 2(5), 1–9 · 2024

Google Scholar 主页
§07

按实际用途组织的技术栈。

医学人工智能
计算机视觉自监督学习多实例学习生存分析
机器学习与统计
PyTorchscikit-learnCox 模型时间序列模型评估
软件工程
Next.jsReactTypeScriptJavaSpring CloudREST API
数据与交付
PythonRSQLPostgreSQLSupabaseGitVercel

通讯联系

关注医学人工智能、科研工程或高质量 Web 产品?

我目前在赫尔辛基,开放本地及远程沟通。电子邮件是最快的联系方式。

* 通讯作者: Runhai He, 赫尔辛基大学医学院 · herunhai@outlook.com

Esc