浙江省科技計劃項目（尖兵領雁+X研發攻關計劃）2024C04023

與溫州醫科大學附屬第一醫院科研合作項目

項目主要研發內容

1、找到預測分化型甲狀腺癌癥并發癥發病的關鍵模態并建立標準數據集。梳理既往的研究總與分化型甲狀腺癌癥并發癥病率相關的關鍵因素，探究其具有代表性的模態特征，形成一套標準化的檢查流程。同時利用歷史沉淀數據建立一個標準化的數據集。

2、融合多模態特征提供分化型甲狀腺的精準早期診斷。利用多種人工智能的技術，包括機器學習中的聚類技術，深度學習中卷積神經網絡，以多特征融合架構等，將不同模態的特征高效利用。

3、實現帶噪聲圖像中基于聚類的甲狀腺區域分割。尤其是在具有強干擾的消融手術中實現高精度的超聲病灶邊緣分割。進行消融手術時產生的氣體干擾會嚴重影響超聲圖像的質量，需要設計高魯棒性聚類算法快速實現超聲圖像邊緣檢測。

創新點：

1、設計多模態甲狀腺檢查數據。為了更好利用分化型甲狀腺癌的診療，研究了與該疾病相關的多種醫學模態，并通過歷史沉淀數據進行整理，構造一個標準化數據集，能夠極大的推動人工智能在分化型甲狀腺癌癥輔助治療領域發展。

2、研發多注意力交叉融合的多模態特征融合的方法實現分化型甲狀腺癌癥的早期診斷，利用了新的技術解決臨床難點問題。這種跨模態的交叉注意力融合結構具有很強的創新型。

3、基于微調度深度學習聚類算法的快速超聲圖像邊緣檢測結束。突破傳統方法解決難點問題。項目將結合聚類算法中無監督學習的泛化性和深度學習網絡出色的學習能力，用以實現超聲圖像中的快速準確的邊緣檢測。