随着深度学习的迅速发展与广泛应用，尤其是卷积神经网络在自然图像处理中的成功应用，越来越多的研究者利用其进行医学影像处理与分析：病灶或者器官的自动分割、病灶精准检测及其良恶性分类识别。针对病灶超声影像的智能诊断，本研究室与浙江大学孔德兴团队合作，设计了不同的卷积神经网络模型，实现了甲状腺结节与乳腺结节的自动分割、精准检测以及良恶性识别。相关的研究结果已经发表在国际期刊上。

利用自主研发的卷积神经对甲状腺结节的分割结果。第一行为原始甲状腺腺超声影像，第二行与第三行分别为预训练的网络与无预训练的网络分割结果（绿色为ground truth，红色为算法结果）

所提出的级联卷积神经网络与其他网络模型检测甲状腺结节结果的FROC曲线

                                     所提出融合的卷积神经网络模型（CNN1+2）与其他学习模型对甲状腺结节进行良恶性识别结果的ROC曲线

利用自主研发的的卷积神经网络对乳腺结节的分割结果。第一行为原始乳腺超声影像，第二行与第三行分别为预训练的网络与无预训练的网络分割结果（绿色为ground truth，红色为算法结果）