主要研究方向为人工智能算法及应用以及AI系统平台设计及优化。现有1名博士，9名研究生，主要领域包括计算机视觉和自然语言处理。算法组除了日常的实验室研究之外，还通过项目的方式与其他领域专家以及知名公司建立合作关系，可拓展学生视野，让学生快速成长。
l算法的研究和应用主旨是研究最新的机器学习算法，包括但不限于深度神经网络、图网络、模式识别算法 ，并将算法应用在实际的图像视频及语音语言处理中。
lAI系统平台设计和优化主旨是利用最先进的机器学习算法，指导智能芯片的设计，在此基础上搭建一套面向机器学习应用的计算和数据平台，作为应用的底层硬件支撑。
1)中山医院脑血管病神经损伤智能评估系统
建立智能化多维度神经功能损伤评估软件及体系，基于脑血管病人群前瞻性队列，采用同步盲法比较，验证其与专家组金标准的信度、效度及灵敏度，通过随访研究确立具有临床价值的智能评估客观化标准。
具体而言，主要是针对脑血管神经损伤病人进行画钟认知、言语表达以及行走步态三个方面的检查，采集病人的画钟图像，语音信息，以及行走视频，利用计算机视觉和自然语言处理技术进行病人认知和行为分析，按照专家提出的诊断标准进行客观化打分，智能化进行病情评估。
2)基于类脑人工智能的舆情系统
以类脑认知计算以及分布式计算系统为共性研究基础，面向新闻媒体舆情分析和网络治理应用两大需求，研究包括新闻线索发现、新闻推荐、新闻影响力评价、虚假新闻甄别、舆情操纵发现、舆情洞察等在内的一系列关键问题，实现数据采集、数据清理、数据分析、数据可视化、舆情研判处置和应对组成的网络舆情分析“五部曲”，整合成为满足舆情3.0新特性以及媒体记者需求的舆情分析应用系统。
此项目囊括了人工智能算法、大数据分析、分布式高性能计算架构这三大领域内容。用分布式计算架构和类脑加速芯片满足应用的规模和性能需求，采用自然语言处理技术和复杂社交网络分析技术实现相应的数据分析需求，结合系统化工程化模块化的管理方法和开发流程，完成一套完整的高可用的智能舆情系统。
3)基于类脑芯片与算法的神经元自动识别与跟踪系统开发
基于类脑算法和类脑芯片，开发自动识别神经元胞体、神经纤维投射及神经环路连接的系统，并应用此系统对小鼠大脑皮层GABA能投射神经元及其亚型的分布与连接图谱进行解析和比较。
由于细胞形态复杂、成像背景噪声和数据分辨率的各向异性等导致的连续图像目标不连贯等因素，较难应用传统计算模型对神经元的胞体和神经纤维进行精确识别。应用卷积神经网络（CNN）和递归神经网络（RNN）或其变种等类脑算法，通过对训练数据集的深度学习实现较为理想的自动识别、追踪和重构。利用对现有的软件和算法进行调研，针对脑图谱绘制的特殊要求，选择最佳类脑算法，构建合适的模型，综合利用公开数据库、已发表文章数据以及人工手动追踪的数据作为训练数据集，开发具有可视化、可交互界面的自动胞体识别和神经纤维追踪系统。