通过人工智能对医学影像进行辅助诊断，包括肺结节辅助诊断、冠脉狭窄诊断，以及组织结构的三维重构。
●通过对医学影像数据（dicom）进行解析读入、3D预处理;
●然后输入深度卷积神经网络进行辅助诊断，进行目标识别，找出病变部位;
●使用VTK进行三维重构和渲染。
●已经完成了肺结节检测;
●现在进行的是冠心病狭窄的识别;
●进行CT-FFR的预研（有限元分析和流体力学相关知识）。
●使用pytorch深度学习框架，网络结构使用faster-RNN，DPN。
●同时涉及迁移学习、强化学习以及GAN(生成对抗网络)。
基于人工智能（AI）+大数据的智能导诊平台，也是医生的辅助工具。通过AI辅助人工提供健康服务，您可在帮助他人中获得收益。本平台提供如下功能：
1： 症状自查：简单自诊，进而得到相关的治疗信息。
2： 专家会诊：向专家团队提问，得到综合性意见回复。
3： 悬赏求助：向其他网友获取经验帮助。
4： 经验分享：我为人人，人人为我，得到健康经验统计报告。
5： 健康档案：病历、化验结果、处方的电子化分类管理。
肺结节检测
问题：
•人眼观察检测可能不准确，存在漏诊和误诊，例如对于小于3mm的结节很难检测到；
•人工检测速度慢；
•人工不方便随诊的动态定量跟踪分析。
功能：
•通过深度神经网络检测肺结节的位置和大小；
•恶性和良性概率判断； •结节的性状（实质性、磨玻璃、钙化）。
•根据随诊结果进行定量跟踪分析，观察结节的动态大小变化。
冠脉狭窄检测
问题
•冠脉结构复杂，存在伪影和前后景对比度差等干扰，找到狭窄部位费时费力；
•难于定量测量狭窄程度；
•对于动脉粥样硬化观测细微度不够。
功能
•利用神经网络可以准确检测到冠状动脉狭窄；
•对狭窄部位进行可以精确定位和定量分析，且速度快。
•可以进行像素级的分析检测；
•还可检测到冠状动脉粥样硬化。
脑血管辅助诊断
•脑血管三维分割和显示；
•脑血管粥样硬化检测；
•脑血管动脉瘤检测；
•脑出血检测。
冠脉CT血流储备分数
冠脉CT血流储备分数
冠脉CT无创且对于阴性判断（不存在冠脉狭窄）能力好，但是对于狭窄判断不准确。现有冠脉狭窄检测的金指标是冠状动脉造影，可以精确定位并定量分析，并可同时帮助进行支架植入，但是属于有创技术，费用高，患者接受程度低，并且狭窄不代表心脏缺血。
判断心脏缺血的金指标是FFR(血流储备分数)，但是也是有创。无创又精准的诊断冠心病的是CT-FFR，基于高精度CT(64排)扫描影像自动构建冠脉模型，通过流体力学和生物仿真模拟血液在血管中流动，进而计算出心脏缺血情况。
CT-FFR有三步：
第一步根据现有医学影像进行冠脉分割和立体血管模型构造；
第二步是在血管模型的基础上计算出血管的FFR值；
第三步进行机器检测缺血情况。
内窥镜三维重构
问题
•现有内窥镜只能看到内部结构，无法看到全局结构，而三维重构具有很好的市场前景。
功能
•通过运动图像3D重构+人工智能技术，重构官腔内部立体结构。
•对鼻镜、胃镜和肠镜的结果进行重构，可以让医生在事后进行结构分析，为精准医疗提供依据。
• 在三维重构基础上使用AI技术进行诊断。