（一）AI+智慧心电

传统的人工监测心脏疾病的方法对资深医生的依赖性强，需要一定的先验知识，并且监测疾病的速度和准确性有待提高。考虑到经济效益和实用价值，利用大数据和人工智能技术进行心脏疾病监测，已成为现代医疗中的最实用方法之一。我们提出了一种基于堆叠分类器的心电监测算法，用于心脏异常判定。通过MIT-BIH数据集上与其他机器学习算法的结果进行比较评估，实验表明该算法能够提高心电异常监测准确性。

深度学习预测模型

心电异常检测平台

实验室采用机器学习技术构建房颤智能预测模型，该模型探讨构成高血压患者房颤的主要危险因素，并预测高血压患者房颤的风险。

心房颤动人工智能诊断模型

（二）AI+肺部影像

肺结节的筛查与诊断方面，AI需要在发现异常、量化测量、随访跟踪和鉴别诊断中发挥可靠作用，利用3D神经网络，对肺结节检测结果，提取相关特征，比如结节直径（大小）、结节体积、结节密度信息（平均值和标准差等）以及结节形状等，这些特征的提取需要结节的精确分割。AI肺结节的诊断是趋势，AI对结节数据化的精准分析配合医生的判断，配合相互补充，医生进一步提高自己的结节分析能力。

基于胸部CT三维数据进行肺结节的自动检测，可以检测各种类型的介于3mm-70mm大小的病灶。基于结节分割和检测，设计肺结节的浸润性预测方法，目标是设计一个分类器用于自动识别三类肺结节：良性结节（炎症、钙化点等）、浸润前病变（包括AAH、AIS）以及浸润性肺癌（ＭMIA和IAC ）。

AI辅助肺结节标注

（三）AI+神经系统认知障碍

计算机领域对帕金森病的早期诊断方法中，当前最具发展潜力的研究趋势是使用低成本、低功耗、不引人注目、测量准确的传感器设备来监测和管理病理。着重于应用可穿戴设备对帕金森病进行监测及诊断，并确定五个主要领域：早期诊断、震颤、身体运动分析、运动FL波动（开-关阶段）以及家庭长期监测。

开发的吉步恩相关产品以及配套应用软件系统，通过便携式途径获取大量步态样本，在此基础上设计数据分类模型，为帕金森病提供诊断及预警功能，并通过时序模式挖掘，充分利用时序信息，改进诊断模型准确率。

产品已包括多款型号，广泛应用于医院神经内科、康复理疗科，以及院外等多种场景，适用于相关疾病患者、潜在患者、以及广大健康老年人群体。既解决了医院相关科室对患者群体的智能化病程监控与管理问题，又能客观且实时的把握患者的全病程状态与康复治疗效果，同时实现了健康老年人群体的疾病早发现与健康管理指导等功能。

（四）医疗知识图谱

研究基于医疗知识图谱的智能诊断平台，建立图搜索推理引擎原型，可视化呈现复杂异构高维动态数据，应用于智能分级导诊、辅助诊断、辅助治疗、辅助录入与随访等环节，实现AI深度学习与知识图谱技术在医疗行业的深度应用结合及系统化。

医疗知识图谱构建