随着信息化社会的发展，医学图像数据呈爆炸性增长，传统的操作与处理模式已经无法对应如此海量的数据。以深度学习及卷积神经网络为代表的人工智能技术不断取得新的突破并逐渐成熟，在海量视觉数据和生物特征信息的感知技术中起到了巨大的推动作用。基于人工智能的图像识别、搜索与分析技术作为对图像大数据信息快速、高效的处理方法，有着广泛而迫切的需求。
    本项目在大数据和深度学习的人工智能核心技术基础上，研发了高精度及高效率的深度学习系统框架和深度神经网络技术，通过对医学图像中的病理图像进行特征提取和识别学习，使计算机能够像医生一样看懂医学图像中的病变，让机器看懂医学图像，让机器辅助医生的视觉去完成精确、高效地诊断工作。
    目前本项目的主要研究方向为AI+医学图像辅助诊断，通过深度学习人工智能图像识别技术，赋予机器对医学图像的辅助诊断功能，使机器能准确地识别出病变区域和状态。目前，本项目聚焦的医学图像主要为X光胸片、CT片、眼底照片、病理图像等医学图像智能诊断，已经和清华长庚医院等多家医院开展了联合研究，取得了初步的成果。

技术原理
	高效的深度学习人工智能图像识别技术，赋予机器对医学图像的辅助诊断功能，使机器能准确地识别出X光胸片、CT片、眼底照片等医学图像中病灶。
开发中的识别引擎
● X胸片识别
● 眼底相片识别

X光胸片识别
    肺部区域分割(正确率：92.1%)

眼底照片识别