针对目前眼底疾病自动检测算法局限于单疾病、单模态等问题，本项目提出基于多模态影像的眼底多疾病自动诊断算法。结合深度学习算法，基于图像的形状、纹路、颜色跟其周围区域的差异性，能有效快速提取血管、黄斑、视盘及病灶特征。该算法的开发使得青光眼、糖尿病视网膜病变、年龄相关性黄斑病变等重大眼科致盲疾病的自动检测成为可能，极大缓解临床压力，解决了临床“阅片难、阅片慢”等问题，并有望集成于现有眼科医疗设备中以及便携式成像设备(手机等)，有望应用于大规模的全民医疗筛查。本项目已获得浙江省重点研发计划、宁波市2025重大专项的支持。
本项目核心算法在多个不同品牌的眼底相机所拍摄的临床医学图像进行测试，在青光眼、糖尿病视网膜病变、年龄相关性黄斑病变疾病诊断精度均达到了95%以上。
CN201910406435.9 手持式多光谱眼底成像设备及系统
CN201910233465.4 基于卷积神经网络的视网膜OCT异常图像分类方法
CN201811602101.0 一种胶囊内窥镜成像损坏图像的检测方法
作为软件辅助系统应用于临床眼底疾病的筛查和诊断；与硬件结合，开发智能多疾病自动筛查眼底相机。
技术开发、技术咨询、技术转让
赵一天，博士，研究员
主要从事医学影像分析、人工智能、手术导航、计算机视觉、虚拟现实与增强现实等多学科交叉研究。其领导的团队共有成员35人，近几年围绕精准医疗，开展了眼、脑、肺、血管等相关疾病的计算机辅助诊疗及智能成像设备的研究。先后入选中科院青促会、中国科协青年人才托举工程、宁波创新个人、宁波市领军和拔尖人才培养工程等。现兼任利物浦大学荣誉讲师，MICCAI领域主席(AC) , Scientific Reports 编委，MICCAI workshop OMIA和MIUA等医学图像学术会议程序委员会委员。先后承担参与国家自然科学基金委项目、浙江省科技重点研发计划、浙江省自然科学基金重点项目、宁波市科技创新2025项目、973项目、863项目和其它各类国家重点项目。在IEEE-TMI、MedlA、Pattern Recognition. CVPR、ECCV、MICCAI等行业顶级国际期刊和会议发表论文100余篇。
