介绍：本团队研究了基于彩色视网膜图像的视网膜病变（也称眼底病变）自动检测，在充分分析各种病变和眼底结构基础上，提出了多种有效的生理组织区域的检测和分割方法，可在包括带有各种干扰（如病变）的各种眼底图像中有效检测和分割视盘、血管、中央凹等各种生理组织区域等。在眼底病变检测方面，邬向前教授提出了多种病变特征的检测、分割和识别的方法，可在眼底图像中有效检测和识别各种眼底病变，包括微动脉瘤、棉绒斑和硬性渗出等。基于相关研究成果开发的“眼底病自动筛查系统”已成功应用于哈尔滨医科大学第二附属医院，经过医院测试，该系统的糖尿病视网膜病变检测率基本达到高年资医生水平，阅片效率约为人工阅片的15倍，同时可针对多个病变进行综合评估，从而可以更准确全面地对糖网进行诊疗，可以大幅降低临床医师的工作负担，使得糖网患者能得到早期诊断和及时治疗。
基于眼底病变检测的研究成果，本团队研发了 CT 图像自动分析系统，可根据肺部CT图像，自动检测和识别病变，并计算其在整个肺部的占比，实现患者筛查和病情评估，在哈尔滨医科大学第二附属医院获得成功使用。该系统可以根据应用情况和医生的反馈，自动准确地检测 CT 图像上与新冠肺炎相关的病变，估算病变区域在整个肺部的比例，并给出相应的分析报告。该成果的相关病变检测准确率级别达到医生水平，同时可以相对更准确地定量评估病变范围，大大减轻临床医师及影像医师的工作负荷，提高了医院对病毒性肺炎患者肺部CT图像分析和病情评估的效率，最终实现对于疾病和特定患者进行个性化精准治疗的目的。
CT图像自动分析系统
眼底病自动筛查系统
