推想医疗携手北大人民医院，共研提升手术规划效率的三维重建算法

近日，推想医疗与北京大学人民医院合作产出《A fully automated noncontrast CT 3-D reconstruction algorithm enabled accurate anatomical demonstration for lung segmentectomy》论文，被知名期刊Thoracic Cancer收录。这篇论文提出了可用于肺段切除手术规划的全自动胸部CT三维重建辅助工具，初步评价了其性能表现，并对其临床价值进行了展望。

推想医疗第四篇高被引论文：基于联合分类与分割的模型实现可解释的新冠肺炎胸部CT诊断

近日，推想医疗与南开大学计算机科学学院媒体计算实验室合作发表于图像处理领域的顶级期刊IEEE Transactions on Image Processing（IF：10.856）的论文《An Explainable COVID-19 Diagnosis System by Joint Classification and Segmentation》入选ESI高被引论文。

针对中国慢阻肺人群的影像筛查及评估模型，助力我国慢性呼吸病早诊早治

近期，推想医疗携手上海市东方医院呼吸科团队合作产出《Detection and staging of chronic obstructive pulmonary disease using a computed tomography–based weakly supervised deep learning approach》，被医学影像领域的权威期刊 European Radiology（IF：5.315）收录。论文研究了基于临床常规的CT图像和深度学习方法建立一套慢性阻塞性肺疾病筛查和评估模型，以实现对慢阻肺的精准筛查和严重程度评估。

推想医疗再添四篇科研成果 助力脑血管等多疾病诊断

最近一个月，推想医疗与合作伙伴连续取得四项科研成果并发表于SCI期刊，研究内容涵盖神经，骨肌和儿科等领域，体现了推想在多病种领域的临床和技术积累。

推想科技与天坛医院等联合科研在《Frontiers in Neuroscience》发表，用深度学习模型快速准确量化脑出血体积

近日，北京天坛医院、复旦大学附属中山医院青浦分院与推想科技联合科研成果《Deep Network for the Automatic Segmentation and Quantification of Intracranial Hemorrhage on CT》在神经科学SCI期刊《Frontiers in Neuroscience》（影响因子3.707）发表。该论文研究了深度学习模型在脑出血分割和体积测量方面的优异表现，可以为脑出血临床诊断提供辅助。

科研前线 |《European Radiology》最新研究：将临床信息加入深度学习模型，使CT肋骨骨折深度学习模型能力大幅提升

深度学习模型通常主要用于影像学的研究。但是，如果能将临床信息与影像学数据相结合，或许会对诊疗发挥更大的效能。近日，一篇名为《Automatic detection and classification of rib fractures based on patients’ CT images and clinical information via convolutional neural network》的科研成果在《European Radiology（欧洲放射学）》杂志（影响因子4.101）发表。这一基于肋骨骨折的研究说明了将临床信息加入到深度学习模型中会极大的提升模型效果，增加了深度学习模型在临床上使用的意义。该研究由南京江宁医院、南京市第一医院、南京鼓楼医院与推想科技联合完成。

华西医院与推想科研成果发表于肿瘤领域高分期刊，用深度学习识别晚期胃癌隐匿性腹膜转移

近日，由四川华西医院宋彬教授团队与推想科技科研团队作为联合参与单位完成的基于深度学习模型对晚期胃癌患者腹膜转移的术前诊断研究并在肿瘤领域高分期刊《Frontier in Oncology》（2020年影响因子：4.848）发表(1)。

THE LANCET采访王伟院长I深度学习算法应用于COVID-19影像学诊断

由武汉同济医院等多家医院与推想科技联合完成的《基于深度学习的COVID-19科研成果》引起柳叶刀高度关注，突显AI在COVID-19诊疗中的价值。柳叶刀专门发表了评论文章并采访了论文的通讯作者同济医院院长王伟教授，挖掘论文背后的故事。

推想科技联合科研成果发表于消化内镜领域顶刊——多模态消化内镜AI鉴别诊断食管隆起病变

2020年10月，推想科技科研团队作为联合参与单位完成基于深度学习模型对食管隆起性病变的鉴别性诊断研究并在消化内镜领域顶级期刊《Gastrointestinal Endoscopy》（2020年影响因子：6.890）发表(1)。本研究从真实临床诊断路径出发，利用常规的白光内镜和超声内镜图像构建三种基于深度卷积神经网络用于良性隆起性病变的鉴别诊断模型，并对比不同年资消化内镜医生的诊断水平。