AI赋能，智启未来。IDIP实验室持续探索“医工交叉、融合创新”的科研和人才培养模式，围绕光声医学成像、智能影像处理等开展相关研究。在纳米探针在体成像、光声弱信号采集处理、人体无创血糖检测、人体肿瘤定量诊断等具有较好研究基础和技术积累；同时，开展医学影像分析相关的特征建模、基于人工智能的病变检测与诊断评估等。实验室承担和完成包括国家自然科学基金（NSFC）、四川省重点研发计划、四川省国际合作项目等在内的多项基础研究课题。同时与四川省人民医院放射科、呼吸科和眼科等建立长期合作和联合攻关机制，深入推进医工融合成果转化，取得了一定的研究进展。研究包括：

      • 光声光谱无创动态血糖检测技术

      • 特发性肺纤维化病变检测及分级评估

      • 腹部MRI影像直肠病变检测及疗效评估

      • 糖尿病诱发视网膜病变检测及分级评估

      • 眼底图像白内障辅助诊断及分级评估       

       该领域已发表多篇高水平学术论文，获授权发明专利20余项。

        一、光声光谱及血糖信号检测

  光声成像（Photoacoustic Imaging,PAI）主要利用了组织光学吸收的差异和光声的能量转化，是近年来发展起来的一种无损医学成像方法，它结合了纯光学成像的高对比度特性和由光能转化成的超声的高穿透深度特性，可以提供高分辨率和高对比度的组织成像，包括人体组织成分检测和组织层析成像光声成像，能够有效的进行生物组织结构和功能成像，为研究生物组织的形态结构，生理特征，病理特征，代谢功能等提供了重要的手段。

       实验室在国家自然科学基金项目支持下了，设计了用于血糖检测的光声信号采集系统。

图1 试验平台及系统

        该实验平台用于收集不同浓度的血糖样本和葡萄糖溶液的光声信号，并用于构建样本库和后续检测算法的测试和评估。

        二、医学影像处理及计算机辅助诊断

    医学影像是指为了医疗或医学研究，对人体或人体某部分，以非侵入方式取得内部组织影像的技术与处理过程。利用计算机实现对医学影像的处理分析及高效、高质量自动诊断，辅助医生对患者进行诊疗，可有效解决当前医疗领域存在的资源稀缺、供需不平衡、高强度等突出问题。

      （一）糖网检测及分级

       糖尿病视网膜病变，简称”糖网”，即糖尿病会引起人眼视网膜血管的失调。一般来说，病症的发生率随着患糖尿病时间增加而提高。围绕糖网诊断与分级，实验室开展了人眼血管检测、黄斑分割、视神经盘分割及黄斑的硬性渗出检测等关键技术研究。

        1.  形态学血管分割

       视网膜血管信息是眼底图像中的重要信息，在糖网病变中，血管的正确分割可用于眼底图像中的视神经盘和黄斑分割等，同时血管的物理变化，如宽度、走向以及新生血管等可以用来辅助诊断病变的程度。

 图2 基于形态学的血管分割      

       2. 基于深度学习的硬性渗出检测

       眼底图像共的硬性渗出，简称硬渗，表现为淡黄色的亮色病变，大小不规则，形状不固定，可出现在视网膜的任何位置，当渗出物接近黄斑区时，将会严重影响患者的视力。

 图3 基于集成学习的黄斑硬性渗出检测

       （二）基于眼底图像的白内障辅助分级

图4 眼底图像白内障计算机辅助分级

        （三）肺部CT影像分析及处理

图5  CT影像肺结节检测

       

       该方向骨干成员包括：彭真明教授，王卓然教授、袁国慧副教授、蒲恬博士等。