前沿进展：多元医学影像数据智能分析交换技术与系统应用成果

优质医疗资源分布不均、分级诊疗实施困难是目前公共卫生医疗领域所面临的最严重问题之一。传统远程医疗系统在一定程度上解决了医疗资源分布不均的问题，但仍未打破“患者-医院-医生”之间点对点的藩篱。建立医学影像数据智能分析模型与智能语义检索模型，搭建新一代远程医疗信息存储架构，并实现医学影像数据的诊断无损传输，提出深度稀疏学习模型，能够促进多元医学数据的关联分析，优化医疗资源分配，助力健康中国。柳宁教授团队在此领域进行了深入的研究，并提出诸多创新成果。

项目团队提出基于协同特征提取和高低特征集成的协同显著性检测，首先将目标图像及其协同图像输入到个体特征提取模块中，产生多层次的个体特征，然后，将协同特征提取模块应用于所有高层个体特征，生成协同特征，获取协同图像间信息，最后，项目构建了一个高低特征集成模块，该模块将目标图像的协同特征和多层次的个体特征集成在一起，利用图像内的个体信息丰富协同特征。项目提出了一种新型的全自动3D框架，可基于深度学习从高分辨率多对比度MR序列中同时分割颈动脉，首先，为身份映射设计了一种最优的信道拟合结构，并将一种新颖的3D残留U-net用作基本网络，其次，使用斑块级和全局级策略对高分辨率MR图像进行训练，并根据结构特征优化两个预分割结果，第三，将优化的预分割结果与贴片裁剪的MR体积数据进行级联，并进行训练以分割颈动脉腔和壁。

根据热成像视频的特性，项目通过Fluent软件开发了一个二维模型，用于模拟人类的热残留物。验证实验的结果表明，仿真模型可以有效地模拟不同接触材料和接触时间下真实场景中的散热过程。在公共安全领域，建立的热量残留模拟模型可以帮助警察分析肇事者的热量踪迹信息。项目提出了一种新颖的基于端到端的三维基于注意力的残差神经网络（ResNet）架构，以单次T2加权流体衰减倒置恢复来分类皮层下血管认知障碍的不同亚型序列。项目的目标是开发卷积神经网络，以提供方便有效的方法来帮助医生诊断和早期治疗SVCI的不同亚型。

项目提出了一种名为“跨模态糖尿病食物检索”的新系统，该系统基于从可穿戴设备中捕获的多峰数据来实现实时饮食通知，在该系统中，项目提出了一种新的基于图的跨模态检索方法，称为具有排名损失的图相关分析，该方法可在多模态数据中找到潜在信息。项目使用图卷积网络以模态形式挖掘深层潜在信息，并以更精细的粒度表示数据，它使用视觉和生理信息来估计用户尝试获取的食物是否具有致糖尿病性，并详细反馈原因，在进行的大量实验表明，所提出的交叉模式检索方法优于最新方法，而项目的方法可以在防止糖尿病患者获得不当食物方面取得可靠的结果。项目提出了一种便携式非接触式方法，可以通过分析RGB红外传感器的呼吸特性来筛选戴着口罩的人的健康状况，项目首先使用面部识别技术为戴着口罩的人完成了呼吸数据捕获技术，然后，将具有关注机制的双向GRU神经网络应用于呼吸数据，以获取健康检查结果，验证实验的结果表明，项目的模型可以在真实数据集上以83.69％的准确性，90.23％的敏感性和76.31％的特异性识别呼吸系统的健康状况。

项目对甲状腺相关性眼病的人工智能CT筛选模型和临床条件下的测试，建立了有前途的基于轨道CT的TAO筛查AI模型，并在临床条件下通过了应用测试，这可以提供具有进一步验证的新的TAO筛选工具。项目提出了一个基于动态时间扭曲的优化框架，以自动和准确地选择对鲁棒BR估计最有用的区域，而不管这些干扰因素如何，根据经验，开发了一种基于动态时间规整的信号质量指标，称为呼吸信号质量指标，为了解决由于大运动而引起的面部区域未被检测到的问题，基于面部跟踪或通过RGB热图像进行运动检测的两种不同方法用于获取呼吸信号，并通过重新连接的信号来测量BR，在项目的框架中，提出了一种时域处理程序，该程序包含递归最小二乘（RLS）算法的去趋势，带通滤波器的归一化和用于提取主流信号的去噪，研究可用于通过远程准确的呼吸频率检测来协助医务人员进行诊断和治疗，并在一定程度上减少医务人员与患者之间的密切接触。