基于数字化的医学影像数据，医生专家可以通过电脑来观察和分析病理影像，从而给出诊断结果。然而在临床医院的应用中，对于医学影像的常规分析仍然是一个高成本、实现难度较高的工作，因为这项工作只能由少数训练有素、经验丰富的医生专家花费很大成本人工手动完成，而且人工的方法具有很强的主观性，且不可复制。随着计算机技术的普及和机器学习、深度学习等技术的发展，基于数字化的医学影像进行相应疾病或癌症的自动检测技术就十分迫切。在合作医院和机构提供的大量医学影像数据的支撑下，基于深度学习模型开发了针对各种疾病类型的计算机辅助诊断系统，主要研发内容包括：结肠癌变病理图像检测系统；乳腺癌变病理图像等级判别系统；面向CT图像的肺部结节良恶性判定系统；基于超声影像的甲状腺结节良恶性判定系统；计算机辅助尘肺病等级判别分析系统等。其中，病理图像的良恶性检测准确率达98%，CT图像的肺结节良恶性检测准确率达86%，跟相关专家交流后得知，该准确率已经达到一名经验丰富的医生的判定水准。（1）为了研发内容的演示和推广，将研发内容的一部分功能进行B-S架构的上线研发，当前已经上线的辅助功能包括结肠癌变的良恶性检测以及CT图像的肺部结节良恶性诊断功能，网页端的登录和部分功能页面见附件，已形成可供医生/患者使用的浏览器访问使用模式；（2）积极与各大医院和远程医疗公司合作，搭建不同环境和不同接口的测试应用平台，为产品最终的商业化做准备。形成独立的浏览器或移动端服务模式，为有需求的医院或医生、病患提供有偿服务；与较为成熟的医疗公司合作，实现多功能服务模式，共享经济收益；与医疗器械硬件厂商合作，将该技术成果与硬件打包出售，分享利润。      

联系人：沈涛

联系电话：010-59341712  联系邮箱：shentao@bcc.ac.cn