浙江省重點研發(fā)計劃：2020C03074,1000萬(其中浙江省科技廳撥款200萬)
2020.01-2023.12,該項目由合作醫(yī)院三門醫(yī)院主持，研發(fā)團隊來自浙江大學醫(yī)學院附屬第二醫(yī)院、浙江工業(yè)大學、中國計量大學，以及浙江愛達科技有限公司。浙江愛達科技有限公司負責該項目的產(chǎn)品落地所需的軟硬件技術支持。
本項目首先建立起病例數(shù)據(jù)庫。包括病理性病例資料，檢測指標數(shù)據(jù)，患者畫像等，并提供后續(xù)分析所需的標注，存入病例數(shù)據(jù)庫。在此基礎上展開：
1、建立多源數(shù)據(jù)和信息相融合的實時疾病提示系統(tǒng)。
2、胃腸鏡疾病的輔助診斷系統(tǒng)設計。
3、研發(fā)穿孔和破裂檢測預警系統(tǒng)
4、設計動物實驗室對系統(tǒng)模型進行優(yōu)化和驗證。
5、開發(fā)對應的軟、硬件系統(tǒng)，完成消化內(nèi)鏡輔助實時診斷和風險預警系統(tǒng)。
關鍵技術：
1、基于胃腸道壁圖像處理、血清檢測等病理指標數(shù)據(jù)和信息采用深度學習等技術輔助疾病診斷。
2、融合多源醫(yī)療數(shù)據(jù)和信對胃腸道異常病灶進行巡證診斷并實時疾病診斷提示。
3、基于壓力感知和微血管密度分析的穿孔和破裂監(jiān)測預警系統(tǒng)設計。
4、針對穿孔和破裂進行對應的動物實踐實驗設計并基于實驗結(jié)果建立優(yōu)化模型
主要創(chuàng)新點：
1、研發(fā)具有實時識別異常胃腸道病變的輔助提示系統(tǒng)。
2、研發(fā)基于腸壁的微血管密度分析和壓力感知的腸道破爛檢測預警的新方法。
3、通過大數(shù)據(jù)分析和實驗動物進行模擬設計優(yōu)化
授權發(fā)明專利：一種基于多特征融合的膠囊內(nèi)窺鏡圖像分類方法，ZL201811515944.7
2：常見胃腸道疾病的輔助診斷，即判斷圖像中是否存在病灶，可能是什么疾病
2.1： 利用特征模型的方法實現(xiàn)腸道中常見疾病分類，分為健康、息肉和潰瘍?nèi)悾?strong>成果：先驗權重共享碼本下內(nèi)窺鏡圖像大腸病變分類，中國圖象圖形學報，2021. vol 6，性能如下：
2.2： 利用人工智能的方法實現(xiàn)腸道中常見疾病分類，分為健康、息肉和潰瘍?nèi)悾?strong>成果Effective high-low-level feature aggregation network for WCE image classification， IEEE SPL 2021，系統(tǒng)框圖和性能如下所示
3：胃腸鏡圖像分割，包括病灶區(qū)域標注及器官壁血管分割。
3.1 基于顯著性的出血區(qū)域分割，有點：適應小規(guī)模數(shù)據(jù)集，利用圖像處理的方法進行病灶區(qū)域的分割，成果：融合顏色特征和背景先驗的WCE出血圖像顯著性檢測，航天醫(yī)學與醫(yī)學工程，2021，性能如下：
3.2：基于模式識別的病灶區(qū)域分割方法。利用模式識別領域的聚類算法，實現(xiàn)對任意來源數(shù)據(jù)集的高效圖像分割。利用此類方法得到的系統(tǒng)具有高靈活性，低復雜度。下圖中展示了出血和息肉的分割結(jié)果。主要成果：
[1]Fast hierarchical clustering of local density peaks via an association degree transfer method[J]. Neurocomputing（2區(qū)TOP）, 455（2021），401-418
[2] Peak-graph-based fast density peak clustering for image
segmentation[J]. IEEE Signal Processing Letters, 2021, 28: 897-901
[3]A novel clustering algorithm by adaptively merging sub-clusters based on the Normal-neighbor and Merging force[J]. Pattern Analysis and Applications, 2021.05: 1-18
[4]Fast main peak clustering within relevant regions via a robust decision graph，Pattern Recognition，1區(qū)TOP，第二輪審稿中
3.3 利用人工智能中的深度學習方法進行血管分割（相關成果正在第一輪審稿中）效果如下，綠色代表正確分割，紅色代表錯誤分割，黃色代表漏分割，我們的方法相比于現(xiàn)有的其他方法在腸壁血管分割中表現(xiàn)更優(yōu)異：
