技术详细介绍
本课题针对指南“建立可自动获取信息、智能提取分析数据”要求展开研究。具体研究医疗大数据知识表示，探索海量多元异构医疗信息智能提取机理。针对异构心脑血管诊疗数据流，如一维信号特征（心电图、脑电图等），影像特征（超声心动图、CTA、MRI 的血管、斑块、心脏形态特征及运动特征等）及其他生化数据（表格及文本）等，利用感兴趣目标和背景的先验知识，探索基于形态学主成分分析的血管检测、基于卷积神经网络的心脑关键部位分割、基于张量近似的心脑血管跟踪算法，构建智能化心脑血管的知识表示；提出基于多模态、多视角诊疗数据的知识表示，实现多元异构特征的紧凑表达；研究基于协同矩阵分解哈希的多模态多视角的诊疗数据高效检索技术，构建海量心脑血管数据库。实现血管检测Bland-Altman
置信区间<10%，血管分割DICE 指数>90%，血管跟踪平均定位误差<2
像素，在相似病例检索中，百万量级数据检索模块的运行时间<1 秒，精度>90%。
项目成熟度：
研发过程中
应用范围：
面向4省市300家医疗机构开展三级诊疗服务协作示范，覆盖不少于600套心脑血管相关诊疗设备和1000位医师。
生产条件与经济效益评估：
智能化诊疗服务模式是对传统医疗服务模式的创新，分析、设计、实现了开放式、多租户、可伸缩的云端智能化服务平台。其特征是医疗服务中心、医疗数据中心被聚合，统一放在云端供用户使用；用户通过智能客户终端随时随地获取多种医疗服务，包括远程医疗诊断、预约挂号、电子健康档案管理等。本项目符合国家政策需要，能够缓解患者看病难、耗时长的现状，为国家的医疗改革起到巨大的推动作用，具有重大社会效益。
合作方式：
共同研发