1、胰腺腫瘤CT圖像診斷算法。針對胰腺腫瘤分類問題，從醫學CT圖像出發，搭建深度學習模型。對于腫瘤分類，我們將問題建模成兩部：胰腺定位查找和胰腺腫瘤分類。我們建立級聯分割網絡，從病人腹部的CT圖像中將胰腺器官分割出來。級聯分割網絡比之前的層級分割網絡結果提升10各點。之后建立多模態分類網絡，針對CT圖像的特性，將多切片多造影劑時期多區域的數據進行融合，在胰腺腫物分類中取得了較好的結果。

層級分割模型示意圖 

分類模型可視化熱圖

2、現有的乳腺癌腋窩淋巴轉移的醫療診斷措施為病理活檢，是一種過度醫療。基于乳腺鉬靶圖像的術前無創的乳腺癌腋窩淋巴轉移預測手段能夠有效避免過度醫療。我們構造了基于乳腺鉬靶圖像的深度卷積神經網絡模型來處理乳腺癌腋窩淋巴轉移問題。我們對乳腺鉬靶數據進行了預處理和數據集的整理、劃分。我們構造了三個不同的深度卷積神經網絡，患病側單體位網絡、患病側雙體位網絡和雙側雙體位四視圖網絡。其中，患病側單體位網絡分為 CC 位網絡和 MLO 位網絡。在乳腺鉬靶數據的測試集上，患病側 CC 位網絡、患病側 MLO 位網絡、患病側雙體位網絡、雙側雙體位四視圖網絡的結果依次遞增。這表明了同時使用同一患者的四張鉬靶圖像的雙側雙體位四視圖網絡具有更好的預測效果，更適合乳腺癌腋窩淋巴轉移預測任務。對于雙側雙體位四視圖網絡，我們不僅使用了雙側測試集 1，還使用了額外的雙側測試集 2 進行測試。

鉬靶乳腺圖像預處理

雙側雙體位深度學習網絡

優勢：從客觀的醫學圖像數據出發，結果可重復，而且高效快捷，提高識別準確率的同時，便于臨床推廣。