超声前列腺癌影像辅助诊断系统：
能提供辅助意见的自动癌症识别系统，帮助及早发现癌症，增加成功、及时治疗的机会。
利用先进的深度学习神经网络结构，从二维超声图像中识别病变状态，其准确度可达到甚至超过有经验的超声医生；
在训练深度学习神经网络模型的时候，选取了医院常用的各种型号的超声机采集的图像，保证训练模型在临床实践中有更好和更广泛的适用性；
为不同器官（如甲状腺、乳腺、肝、卵巢和膀胱）的肿瘤分类开发一个通用的深度学习神经网络结构，有望建立更可靠的基于机器的诊断模型，并易于技术维护和支持；
采用计算机视觉领域的最新技术，使用深度学习神经网络检测主要肿瘤特征，以协助医生对肿瘤特征的描述，并为医生的最终诊断决策提供支持。