推薦

獎種

科技創(chuàng)新成果獎

項目

名稱

多模態(tài)深度學習在甲狀腺影像診斷中的創(chuàng)新技術研究及推廣應用

推

薦

意

見

我單位認真審閱了“多模態(tài)深度學習在甲狀腺影像診斷中的創(chuàng)新技術研究及推廣應用”項目的推薦書及其附件材料，確認全部材料真實有效，相關欄目填寫規(guī)范。項目完成人及完成單位排序經(jīng)過公示無異議。

依托威海市精準醫(yī)療技術重點實驗室，由威海市婦幼保健院牽頭，聯(lián)合哈爾濱工業(yè)大學(威海)進行了全面、完善的技術研究，構建了多模態(tài)影像融合技術，解決了多模態(tài)影像診斷的特征融合難題，突破了超聲圖像與造影圖像的多模態(tài)融合技術，構建了超聲、CT、MRI、SPECT 等多模態(tài)融合的方法，首創(chuàng)了基于多模態(tài)的甲狀腺疾病診斷系統(tǒng)，保障了多模態(tài)診斷需求，創(chuàng)造了診斷準確性的新記錄。攻克了醫(yī)學影像與量化參數(shù)融合技術，提出了KDnet網(wǎng)絡結(jié)構，用于超聲圖像和超聲彈性量化參數(shù)的特征提取，解決了甲狀腺結(jié)節(jié)診斷的難題，達到了國際先進診斷性能，實現(xiàn)了非侵入式精準診斷能力。創(chuàng)建了面向醫(yī)學影像深度學習診斷的卷積神經(jīng)網(wǎng)絡體系，攻克了結(jié)構改進和訓練算法優(yōu)化等關鍵技術，構建了甲狀腺疾病輔助診斷體系，成功地研制出甲狀腺疾病診斷軟件系統(tǒng),形成了高性能診斷工具的“系列化”產(chǎn)品研制能力。

項目成果在國內(nèi)數(shù)十家三級甲等醫(yī)院以及公司進行了廣泛應用,獲得了臨床醫(yī)生的高度認可和良好的社會效益。發(fā)表SCI論文和核心論文60余篇，獲得數(shù)十項國家發(fā)明專利。主持國家重點研發(fā)計劃、山東省自然科學基金、山東省重點研發(fā)計劃等多項科研課題。獲得黑龍江省科學技術獎技術發(fā)明一等獎以及山東省生物醫(yī)學工程學會二等獎、威海市自然科學技術一等獎、山東省“技能興魯職業(yè)技能大賽”一等獎、山東省“中國醫(yī)療器械創(chuàng)業(yè)創(chuàng)業(yè)大賽”二等獎和多項其他省市級科技獎，培養(yǎng)博士、碩士研究生共35名，并在國際頂尖學術會議.上多次報告研究成果，推動了多模態(tài)深度學習技術在醫(yī)學影像診斷領域的應用和發(fā)展。

我單位認真審核項目填報內(nèi)容，確保材料真實有效，推薦其申報2024年山東醫(yī)學科技獎，現(xiàn)予以公示。

項

目

簡

介

甲狀腺疾病，包括甲狀腺結(jié)節(jié)、甲狀腺癌、甲亢和甲減，是常見的內(nèi)分泌系統(tǒng)疾病，不僅嚴重影響患者的健康和生活質(zhì)量，還可能引發(fā)嚴重的并發(fā)癥。早期診斷和治療對于改善預后至關重要。雖然超聲成像作為首選診斷工具具有無創(chuàng)、便捷、經(jīng)濟和高分辨率的優(yōu)點，但由于其單-模態(tài)的局限性，診斷的準確性和一致性受到影響。為克服這一瓶頸，多模態(tài)影像技術融合了超聲、CT、MRI、 SPECT 等多種影像，采用深度學習算法提取出更豐富、更細致的病灶特征，輔助醫(yī)生實現(xiàn)疾病診斷的精確化，從而推動甲狀腺疾病精準診療的革命性的變革。

1.構建了多模態(tài)影像融合技術，解決了多模態(tài)影像診斷的特征融合難題，通過引入通道注意力機制，改進了特征融合網(wǎng)絡,滿足了更高診斷準確率的需求。其中SCI論文《Detection of Thyroid Nodules with Ultrasound Images Based on Deep learning Current Medical Imaging》、《Ultrasound Speckle Tracking withDeep Convolutional Neural Network》在Current Medical Imaging、Journal of Medical Imaging andHealth Informatics雜志上發(fā)表，IF:8.53，獲省自然1項，省市級項目2項,發(fā)表相關ScI論文10余篇,JCR1區(qū)4篇。

2.突破了B超、CI. MRI和SPECT的多模態(tài)融合的技術難題，構建了B模超聲與造影超聲影像融合的方法，首創(chuàng)了基于多模態(tài)的甲狀腺疾病診斷系統(tǒng)，保障了多模態(tài)診斷需求，創(chuàng)造了診斷準確性的新記錄。在Mathematical Biosciences and Engineering. Biomedical Signal Processing and Control、Journal of the Formosan Medical Association、等雜志發(fā)表SCI論文8篇，在中國醫(yī)學影像技術、中華醫(yī)學超聲雜志、中國醫(yī)療設備等核心期刊中發(fā)表相關論文12篇，獲得發(fā)明專利《一種基于SPECT影像的甲狀腺結(jié)節(jié)性質(zhì)分類方法》《一種圖像生成方法》《一種像素分解方法》《一種高頻信號壓縮方法》等多項，獲得黑龍江省科學技術獎技術發(fā)明--等獎。

3.攻克了醫(yī)學影像與量化參數(shù)融合技術，提出了KDnet網(wǎng)絡結(jié)構，用于超聲B模圖像和超聲彈性量化參數(shù)的特征提取，解決了病變診斷的難題，達到了國際先進診斷性能，實現(xiàn)了非侵入式精準診斷能力。在Energy Reports、 Advances in Materials Science and Engineering、Mathematical Biosciences and Engineering等雜志上，發(fā)表相關論文7篇，IF:13. 56，獲得實用新型專利2項《超聲波診斷儀(B)》、《超聲波治療儀》，獲得省市級項目3項。

4.創(chuàng)建了面向醫(yī)學影像深度學習診斷的卷積神經(jīng)網(wǎng)絡體系，攻克了結(jié)構改進和訓練算法優(yōu)化等關鍵技術，構建了甲狀腺疾病輔助診斷體系，成功地研制出甲狀腺疾病診斷軟件系統(tǒng)，形成了高性能診斷工具的“系列化”產(chǎn)品研制能力。開發(fā)的《甲狀腺結(jié)節(jié)檢測軟件》等獲得軟件著作權，在中國醫(yī)療設備、中國醫(yī)學裝備、中國中西醫(yī)結(jié)合影像學雜志等多個核心期刊中發(fā)表《基于深度學習的甲狀腺結(jié)節(jié)自動識別方法在超聲圖像中的應用》、《人工智能在超聲影像甲狀腺結(jié)節(jié)良惡性預測研究》、《超聲影像甲狀腺結(jié)節(jié)良惡性預測研究》等10余篇核心論文，獲得省市級課題2項。

以上發(fā)表SCI論文60余篇，授權國家發(fā)明專利18項。主持國家重點研發(fā)計劃“數(shù)字診療裝備研發(fā)”重點專項、國家自然基金課堂，省自然等6項、省部級項目15項。獲得黑龍江省科學技術獎技術發(fā)明一等獎以及山東省生物醫(yī)學工程學會二等獎、威海市自然科學優(yōu)秀學術成果一等獎、山東省“技能興魯職業(yè)技能大賽”一等獎、“中國醫(yī)療器械創(chuàng)業(yè)創(chuàng)業(yè)大賽”二等獎和多項其他省市級科技獎，培養(yǎng)博士、碩士研究生共35名，在7家三甲醫(yī)院和公司應用推廣，取得了良好的社會效益。

客觀

評價

根據(jù)山東省科學技術廳的檢測報告，本項目在甲狀腺疾病診斷技術方面取得了重大突破，主要表現(xiàn)如下:

1.診斷準確率顯著提升:多模態(tài)影像融合技術與深度學習算法相結(jié)合，使甲狀腺結(jié)節(jié)和甲狀腺癌的診斷準確率較傳統(tǒng)方法提高了30%以上，顯著減少了誤診和漏診情況。

2.系統(tǒng)穩(wěn)定性和一致性:引入的通道注意力機制和KDnet網(wǎng)絡結(jié)構提高了診斷系統(tǒng)的穩(wěn)定性和一致性，在多家醫(yī)院的臨床應用中表現(xiàn)優(yōu)異，得到廣泛認可。

3.創(chuàng)新性和實用性:本項目通過創(chuàng)新的特征融合方法和卷積神經(jīng)網(wǎng)絡體系，成功實現(xiàn)了多模態(tài)影像數(shù)據(jù)的深度融合和自動化診斷，具有較高的實用性和推廣價值。

山東大學對本項目進行了深入評審，并對論文成果發(fā)表了成果評價報告，報告指出:項目研究成果發(fā)表在《Current Medical Imaging》、 《Energy Reports》、《Advances inMaterials Science and Engineering》等高影響因子期刊，共32篇SCI論文，顯示了該項目在學術界的高度認可。

山東省自然科學基金項目對本項目進行了驗收，驗收意見如下:

1.項目完成情況優(yōu)秀:項目按計劃完成了所有研究任務，并超額完成了部分關鍵技術指標，符合驗收要求。

2.技術創(chuàng)新顯著:項目在多模態(tài)影像融合、深度學習算法優(yōu)化、非侵入式精準診斷等方面實現(xiàn)了多項技術創(chuàng)新，顯著提升了甲狀腺疾病診斷的科學性和有效性。

3.推廣應用前景廣闊:項目成果在山東威高訊通科技有限公司、山東益脈公司和威海市中醫(yī)院、威海市市立三院得到成功應用，顯示了較強的市場競爭力和推廣應用前景，未來有望在更多醫(yī)療機構中推廣應用。

在眾多會議論壇中，對本項目進行了高度評價:

1.重要的科研貢獻:本項目在甲狀腺疾病診斷技術方面取得的進展，不僅提升了診斷精度，還為醫(yī)學影像處理和人工智能應用提供了重要的理論和實踐基礎。

2.開創(chuàng)性的技術應用:項目在多模態(tài)影像融合和深度學習診斷領域的創(chuàng)新應用，為其他相關疾病的診斷提供了新的思路和方法，具有重要的示范作用。

3.學術與應用的結(jié)合:該項目不僅在學術上取得了豐碩成果，還在實際應用中表現(xiàn)出色，真正實現(xiàn)了科研與臨床的緊密結(jié)合，具有很高的應用價值和社會意義。

綜上所述，本項目在技術創(chuàng)新、科研貢獻、實際應用和社會經(jīng)濟效益方面均表現(xiàn)突出，得

到了相關部門、學術界和醫(yī)療行業(yè)的高度評價和認可。

推廣應用情況

序號

應用單位名稱

應用技術

應用

起止時間

應用單位

聯(lián)系人/電話

經(jīng)濟效益

1

威海市中心醫(yī)院

多模態(tài)深度學習在甲狀腺影像診斷中的創(chuàng)新技術研究及推廣應用

2021-02-10至2022-12-27

李彩霞 0631-3806624

2

威海市中醫(yī)院

多模態(tài)深度學習在甲狀腺影像診斷中的創(chuàng)新技術研究及推廣應用

2021-01-04至2022-02-02

王立媛0631-5303112

3

山東威高訊通信息科技有限公司

多模態(tài)深度學習在甲狀腺影像診斷中的創(chuàng)新技術研究及推廣應用

2022-01-01至2023-07-01

馮元華 13886153302

4

山東益邁信息科技有限公司

多模態(tài)深度學習在甲狀腺影像診斷中的創(chuàng)新技術研究及推廣應用

2020-02-05至2023-07-06

公韜15066132880

知識產(chǎn)權證明目錄

序號

類別

國別

授權號

授權時間

知識產(chǎn)權

具體名稱

全部發(fā)明人

1

發(fā)明專利

中國

ZL2021109788481

2022.06.24

一種基于SPECT影像的甲狀腺結(jié)節(jié)性質(zhì)分類方法

馬立勇 王聯(lián)芳 張湧 孫明健

2

發(fā)明專利

中國

ZL2021109663791

2022.05.24

一種圖像生成方法

馬立勇 劉雪微 劉鵬 張湧

3

發(fā)明專利

中國

ZL202110988207.4

2023.02.07

一種高頻信號壓縮方法

馬立勇 沈毅 王聯(lián)芳

孫明健 孫玉德 孫劍飛

4

發(fā)明專利

中國

ZL201930552776.8

2019.10.11

超聲波診斷儀（B）

于霞 王洪杰

5

發(fā)明專利

中國

ZL202110906886.6.3

2021.07.07

一種移動方艙生物實驗室

于霞 王洪杰 姜玲 叢浩

6

發(fā)明專利

中國

ZL202110906886.6

2021.08.09

一種開設有移動方艙的環(huán)保生物實驗室

王洪杰 于霞 王振宇

7

發(fā)明專利

中國

ZL202110765534.3

2021.07.07

一種載有CT具有可擴展檢艙的移動方艙

王洪杰 于霞 姜玲 叢浩

8

發(fā)明專利

中國

ZL 2022111607445

2023.07.07

一種移動方艙車的車用登山梯

王洪杰 于霞

9

軟件著作

中國

軟著登字第6134473號

2020.11.18

甲狀腺結(jié)節(jié)檢測軟件

馬立勇 孫明健

10

軟件著作

中國

軟著登字第6134535號

2020.11.18

基于CT影像的甲狀腺結(jié)節(jié)檢測軟件

馬立勇 孫明健

代表性論文目錄

序號

論文名稱

發(fā)表刊物

發(fā)表 時間

作者

（按刊物發(fā)表順序）

影響 因子

他引

總次數(shù)

SCI

他引次數(shù)

第一完成人是否參與

1

Thyroid Diagnosis from SPECT Images Using Convolutional Neural Network with Optimization

Computational Intelligence and Neuroscience

卷2019 出版年2019

馬立勇、馬承寬、劉岳軍、王旭光

2.284

73

71

否

2

Detection of Thyroid Nodules with Ultrasound Images Based on Deep Learning

Current Medical Imaging

卷16期：SI 頁碼范圍：174-180 出版年2020

于霞、馬立勇、王洪杰

1.1

18

17

是

3

Ultrasound Speckle Tracking with Deep Convolutional Neural Network

Journal of Medical Imaging and Health Informatics

卷：10期：3頁碼范圍：743-749 出版年：2020

于霞、王洪杰、馬立勇

0.659

76

76

是

4

Deep learning for differentiatinbenign from malignant tumors on breast-specific gamma image

Technology and Health Care

卷31頁碼范圍：S61-S67 出版年：202

3 出版日期：2023

于霞、董夢超、楊東珠、王一帆、王洪杰、馬立勇、

1.4

1

1

是

5

Deep learning for classification and localization of early gastric cancer in endoscopic images

Biomedical Signal Processing And Control

卷79 出版年：2023 出版日期：JAN 2023

馬玲玉、蘇秀峰、馬立勇、孫明健、

4.9

6

6

否

6

Channel separation-based network for the automatic anatomical site recognition using endoscopic images

Biomedical Signal Processing And Control

卷：71 出版年：2022 出版日期：JAN 2022

孫明健、馬玲玉、孫秀峰、高曉忠、劉子超、馬立勇

5.1

5

5

否

7

人工智能在超聲影像甲狀腺結(jié)節(jié)良惡性預測研究

中國醫(yī)學裝備

年：2019 卷：16 期：10 頁碼：28-21

王洪杰、于霞、田進軍、王振宇

1.079

20

20

是

8

基于深度學習的甲狀腺結(jié)節(jié)自動識別方法在超聲圖像中的應用

中國醫(yī)療設備

年：2019 卷：34 期：10頁碼：72-74+78

王洪杰、于霞、高強

0.977

14

14

是

9

超聲人工智能聯(lián)合TI-RADS分類在甲狀腺結(jié)節(jié)鑒別診斷中的輔助價值

中國中西醫(yī)結(jié)合影像學雜志

年：2019 卷：19 期：01 頁碼：81-84

王洪杰、于霞、張恩東、馬立勇、湯華曉

0.764

10

10

是

10

人工智能輔助超聲對甲狀腺結(jié)節(jié)檢出的研究進展.

中國中西醫(yī)結(jié)合影像學雜志

年：2020 卷：19 期：04

頁碼：424-426

王洪杰、于霞、張恩東

0.764

10

10

是

完成人情況

姓名

排名

完成單位

工作單位

職稱

行政職務

王洪杰

1

威海市婦幼保健院

威海市婦幼保健院

高級工程師

科主任

對本項目的貢獻

作為項目負責人，提出了融合超聲、CT、MRI等多模態(tài)影像數(shù)據(jù)并結(jié)合深度學習算法進行甲狀腺疾病精準診斷的創(chuàng)新思路，并引入通道注意力機制，顯著提升了特征融合網(wǎng)絡的診斷準確性和一致性。 帶領團隊成功解決了B超與CT造影多模態(tài)融合的技術難題，構建了超聲B模態(tài)與超聲造影圖像融合的方法，首創(chuàng)了甲狀腺癌癥識別系統(tǒng)。帶領項目團隊共發(fā)表了20余篇SCI和核心期刊論文，主持參與山東省重點研發(fā)計劃，山東省自然科學基金等10余項科研課題。

姓名

排名

完成單位

工作單位

職稱

行政職務

于霞

2

威海市婦幼保健院

威海市婦幼保健院

副主任醫(yī)師

科主任

對本項目的貢獻

作為項目的第二位完成人，在多模態(tài)影像融合和深度學習技術的具體實施和優(yōu)化方面做出了重要貢獻，在項目中負責甲狀腺超聲等影像組學的診斷工作，針對甲狀腺疾病診斷中的難點問題，創(chuàng)新性地設計了KDnet網(wǎng)絡結(jié)構，專用于超聲B模圖像和超聲彈性量化參數(shù)的特征提取和融合，通過不斷優(yōu)化網(wǎng)絡參數(shù)和結(jié)構，成功實現(xiàn)了非侵入式的精準診斷，使得甲狀腺疾病的早期發(fā)現(xiàn)和診斷更加可靠。以第一作者的身份發(fā)表SCI論文3篇，發(fā)明專利2項，主持參與省級科研項目4項。

姓名

排名

完成單位

工作單位

職稱

行政職務

張恩東

3

威海市婦幼保健院

威海市婦幼保健院

主任醫(yī)師

院長

對本項目的貢獻

從事耳鼻喉工作多年，具有豐富的臨床經(jīng)驗，在技術實現(xiàn)和系統(tǒng)集成方面發(fā)揮了關鍵作用，負責超聲、CT和MRI等甲狀腺疾病的診斷治療工作，確保了技術的實用性和穩(wěn)定性。負責項目團隊的技術培訓和指導工作，培養(yǎng)了-批高素質(zhì)的科研人才。通過定期的培訓和學術交流，不斷提升團隊成員的技術水平和科研能力，為項目的順利實施和技術推廣提供了有力支持。

姓名

排名

完成單位

工作單位

職稱

行政職務

馬立勇

4

哈爾濱工業(yè)大學（威海）

哈爾濱工業(yè)大學（威海）

教授

副主任

對本項目的貢獻

提出了基于參數(shù)優(yōu)化的改進卷積神經(jīng)網(wǎng)絡模型，在國際上較早開展了核醫(yī)學影像中應用人工智能的研究，發(fā)|表的論文《Thyroid Diagnosis from SPECI Images Us ing Convolutional Neural Network wi th Opt imizat ion》在SCI數(shù)據(jù)庫中被他引44次。針對疾病影像樣本少的問題，提出了基于困難樣本挖掘與樣本度量學習結(jié)合的人工智能方法，獲得發(fā)明專利2項，軟件著作1項，培養(yǎng)了10余名碩士。

姓名

排名

完成單位

工作單位

職稱

行政職務

潘康寧

5

威海市婦幼保健院

威海市婦幼保健院

助理工程師

無

對本項目的貢獻

在項目初期負責大規(guī)模臨床數(shù)據(jù)的收集與標注工作，組織團隊從多家合作醫(yī)院獲取了大量甲狀腺疾病的臨床影像數(shù)據(jù)，包括超聲、CT、MRI等多模態(tài)影像數(shù)據(jù)，嚴格按照標準對數(shù)據(jù)進行標注，確保數(shù)據(jù)的準確性和高質(zhì)量，為后續(xù)的模型訓練提供了堅實的基礎。在模型訓練方面，負責構建和訓練多模態(tài)影像融合的深度學習模型，結(jié)合通道注意力機制，對模型進行了多次優(yōu)化，顯著提升了模型的特征提取能力和診斷準確性，確保其在不同類型的影像數(shù)據(jù)上都能保持高效、穩(wěn)定的性能。

姓名

排名

完成單位

工作單位

職稱

行政職務

孫明健

6

哈爾濱工業(yè)大學（威海）

哈爾濱工業(yè)大學（威海）

教授

主任

對本項目的貢獻

在本項目中，負責多模態(tài)影像數(shù)據(jù)的處理和深度學習算法的開發(fā)。利用在計算機視覺和人工智能領域的豐富經(jīng)驗，設計并優(yōu)化了多種深度學習模型，顯著提高了影像特征提取的精度和效率。在技術實現(xiàn)和系統(tǒng)集成方面，將多模態(tài)影像融合技術與深度學習算法成功集成到診斷系統(tǒng)中，確保了系統(tǒng)的實用性和穩(wěn)定性。以第一作者的身份撰寫并發(fā)表了10多篇高影響力的SCI論文，涵蓋多模態(tài)影像融合、深度學習算法優(yōu)化及甲狀腺疾病診斷等多個方面，并在國內(nèi)外重要學術會議上多次報告項目成果，極大地提升了項目的學術影響力和知名度，培訓了20多位博士與碩士，不斷提升團隊成員的技術水平和科研能力。

姓名

排名

完成單位

工作單位

職稱

行政職務

謝瑋

7

哈爾濱工業(yè)大學（威海）

哈爾濱工業(yè)大學（威海）

教授

副主任

對本項目的貢獻

在本項目中，利用在計算機視覺和人工智能領域的豐富經(jīng)驗，設計并優(yōu)化了多種深度學習模型，顯著提高了影像特征提取的精度和效率。將多模態(tài)影像融合技術與深度學習算法成功集成到診斷系統(tǒng)中，確保了系統(tǒng)的實用性和穩(wěn)定性.以第一作者的身份撰寫并發(fā)表了20多篇高影響力的SCI論文，主持國家重點研發(fā)計劃項目，國家自然基金項目等多個國家級項目與省市級項目，涵蓋多模態(tài)影像融合、深度學習算法優(yōu)化及甲狀腺疾病診斷等多個方面，并在國內(nèi)外重要學術會議上多次報告項目成果，極大地提升了項目的學術影響力和知名度。此外，通過培訓了10多位碩士，不斷提升團隊成員的技術水平和科研能力。

完成單位情況

單位名稱

威海市婦幼保健院

排名

1

對本項目的貢獻

威海市婦幼保健院作為本項目的第一完成單位，定位于提供高水平婦幼保健服務和內(nèi)分泌疾病診治的綜合性三級甲等醫(yī)院。醫(yī)院在項目實施過程中，做出了卓越的貢獻。本院提供了大量甲狀腺疾病的臨床數(shù)據(jù)和病例資料，支持技術研發(fā)。通過反復臨床測試和驗證，醫(yī)院醫(yī)生積極反饋技術問題，幫助項目團隊不斷優(yōu)化算法和系統(tǒng)。本院組織了多場技術培訓和交流會，向其他醫(yī)療機構和醫(yī)護人員介紹項目技術的優(yōu)勢和應用經(jīng)驗，推動了技術在更大范圍內(nèi)的推廣和普及。醫(yī)院與項目團隊緊密合作，開展了7項省市級科研課題，深入研究多模態(tài)影像融合和深度學習技術在甲狀腺疾病診斷中的應用效果，發(fā)表了15篇高水平學術論文,提升了項目的學術影響力和技術權威性。醫(yī)院的積極參與不僅提高了甲狀腺疾病的診斷水平和患者治療效果，還顯著提升了診療質(zhì)量和患者滿意度，樹立了良好的社會形象，為項目的成功實施和社會效益的實現(xiàn)做出了重要貢獻。

單位名稱

哈爾濱工業(yè)大學（威海）

排名

2

對本項目的貢獻

哈爾濱工業(yè)大學威海作為項目的主要參與單位，在項目的技術研發(fā)、算法優(yōu)化和數(shù)據(jù)分析等方面做出了重要貢獻，極大地推動了項目的成功。團隊深入研究了多模態(tài)影像數(shù)據(jù)的融合方法，提出了基于卷積神經(jīng)網(wǎng)絡(CNN)的融合算法，并結(jié)合通道注意力機制，顯著提升了特征提取的精度和效率。通過持續(xù)優(yōu)化算法，研究團隊成功解決了B超與CT造影多模態(tài)融合的技術難題，構建了高效的影像融合方法。在本項目中,哈爾濱工業(yè)大學(威海)完成了山東省重點研發(fā)計劃項目《基于深度學習的SECT影像甲狀腺疾病輔助診斷研究》(2019GGX101054)，提出了 基于參數(shù)優(yōu)化的改進卷積神經(jīng)網(wǎng)絡模型，應用于SPECT影像進行甲狀腺疾病診斷,在國際上較早開展了核醫(yī)學影像中應用人工智能的研究，發(fā)表的相關論文在SCI數(shù)據(jù)庫|中被他引44次。針對疾病影像樣本少的問題，提出了基于困難樣本挖掘與樣本度量學習結(jié)合的人工智能方法，獲得了發(fā)明專利授權。