利用软硬结合的设计策略，实现了一套灵敏度可调的柔性压力传感器的设计与制备，并设计了楔形自锁机构，实现了在无需位移传感器的情况下对材料硬度的量化，同时借助Comsol优化器件结构并进行可靠性论证。我们进一步研制了具有多模态感知能力的笔头，借助协同感知效应实现了对皮肤健康状态的检测，搭配自主研发的信号处理模块和数据分析算法，最终开发了一套便携式的触诊系统。同时我们基于Swift语言开发了适配于MacOS系统的健康监测软件，该软件可以实时的读取串口信号，包括通过USB和蓝牙两种方式，同时软件内部署基于Resnet的深度学习架构，实时的处理并分析串口传输过来的数据，为硬皮病的早期定量化诊断提供解决方案。

三结构各向同性(TRISO)包覆颗粒是高温气冷堆(HTGR)的核心燃料，内核由四层材料包裹而成，由于颗粒的破坏概率与层厚直接相关，因此必须建立有效地层厚无损测量方法。我们使用X射线计算机断层扫描对粒子进行非破坏性测试，利用Python搭建深度神经网络U-Net进行颗粒的层间分割，最终开发了一套基于计算机视觉的层厚测量方法。本人主要负责项目中深度学习模型地搭建与调试，以第二作者的身份在无损检测领域顶级期刊NDT & E International发表学术论文一篇。

痤疮检测是利用先验知识，通过面部图像来诊断痤疮的严重程度、数量或位置，在对皮肤问题患者的医学诊断和治疗中起着非常重要的作用。由于环境的复杂性和应用场景的特殊性，基于患者面部图像来诊断痤疮仍然具有一定的挑战性。我们提出了一个由双模块组成的集成神经网络：i）分类模块，旨在计算痤疮的严重程度和数量；ii）定位模块，用于定位痤疮的位置。该集成神经网络可以同时地、准确地预测痤疮的严重程度、数量和位置，可以有效地帮助患者自检和辅助医生进行诊断。本人为该项目的第一完成人，以独立第一作者兼通讯作者的身份发表学术论文两篇，包括在SCI期刊Sensors发表学术论文一篇。