西安某高校团队突破AI医学影像技术，提升肺部疾病诊断精度

　　近日，西安某高校赵妙梅、赵何超带领团队在肺部数字医学影像诊断领域取得重要突破。该团队研发的“CNN＆Transformer”交错融合算法，结合深度学习与计算机视觉技术，显著提升了高分辨率CT（HRCT）对肺部疾病的诊断能力，为临床医学提供了更精准的辅助工具。

　　当前，肺部疾病（如肺结节、肺部感染等）的早期诊断仍面临诸多挑战。传统CT系统主要依赖医生经验，仅能定位病灶，难以直接判断病种或预测病情发展。此外，尽管AI辅助诊断技术逐渐普及，但患者对完全依赖AI持谨慎态度，更倾向于医生结合AI进行综合判断。

　　针对这些问题，研究团队创新性地融合了空洞卷积神经网络（CNN）和动态双路径多尺度特征融合（D-DMFF）技术，开发出一款轻量化AI模型。该模型能够高效提取肺部CT图像的局部细节与全局特征，从而提升诊断精度。

　　经过97740张CT图像的训练和5012张图像的验证，该模型表现出优异的稳定性和泛化能力，未出现过拟合或欠拟合现象。实验结果显示：病灶分辨率从1mm提升至0.625mm，分辨力提升37.5%；诊断准确率达到96.342%，显著优于传统方法。在临床试验中，团队从医生漏诊的病例中额外识别出100余名患者，有效降低了漏诊率。

　　目前，该项目已登记软件著作权9项，获得发明专利2项、外观设计专利1项，并在国际期刊发表SCI论文2篇（含中科院1篇）、EI论文4篇。

　　此外，团队吸引了来自乌兹别克斯坦、塔吉克斯坦和加纳等国的留学生参与研究，并正与国内某大型云服务企业洽谈合作。未来，该技术有望通过服务器端部署，为“一带一路”沿线国家提供高效、精准的肺部影像诊断支持。

　　这一技术的突破，不仅为肺部疾病的早期筛查和精准诊断提供了新方案，也为AI在医疗影像领域的深度融合树立了标杆。该团队表示，将继续优化算法，推动技术落地，助力全球医疗水平的提升。