【成果内容】

基于深度学习的肺部区域分割和病灶分割模型，针对传统肺部区域分割算法的不足，训练肺部分割模型，对不同网络模型进行测试对比，使用效果最佳的网络进行训练通过补充标记和多次训练来优化模型，获得鲁棒性较高的肺部区域分割模型。基于时空信息融合的新型冠状病毒肺炎CT影像检测模型：基于自主研发的时空信息融合的深度学习算法，在原有的三维信息中创造性地添加第四维时间信息，由于四维网络复杂不易训练，通过提取CT影像序列的空间序列特征和时间序列特征，将四维信息在二维网络中训练，建立了新型冠状病毒肺炎CT影像检测模型，并通过优化测试，算法精确率达到96%以上，为基于深度学习的新冠CT影像检测系统的开发奠定了算法基础。

【潜在应用价值】

（1）开发了新型冠状病毒肺炎肺部影像病灶辅助诊断软件，可用于新型冠状病毒肺炎的疾病诊断以及病情变化趋势分析。 （2）完成转化推广，为慢性传染病的早期诊断平台建设奠定基础。后续可应用于其他疾病影像的研究。 该成果应用不需要其他知识产权的授权。

【相关专利号】

1.基于深度学习的肺部CT影像诊断检测软件V1.0，专利号：2020SR0853785；基于深度学习的肺部CT影像病灶区域体积计量软件V1.0，专利号：2020SR0876841