01
High-Resolution Imaging
高分辨率医学影像处理
利用医学影像宽广的灰阶范围，将细微的密度差异也纳入分析。
- 支持 DICOM 原始影像输入
- 高分辨率影像预处理与归一化
- 保留细微密度信息
精准解读医学影像的
四项核心技术
高分辨率影像处理、深度学习分析、可解释的可视化、多征象分类——这些技术共同构成了 TORAH Vision AI。
01Core Technology
TORAH Vision AI 的技术构成
每项技术的设计，都旨在让医生能够信赖并确认 AI 的结果。
02
Deep Learning
基于 ResNet50 的深度学习分析
基于 ResNet50 的卷积神经网络提取胸部X线影像特征并对征象进行分类。
- 基于 ResNet50 的 CNN 架构
- 影像特征提取与征象分类
- 基于专科医生标注数据训练
03
Explainable AI
Grad-CAM 分析区域可视化
以热力图标示 AI 作为判断依据所关注的区域，使医生能够直接在影像上确认结果。
- Grad-CAM 热力图
- 各征象边界框
- BBox · Grad-CAM 综合报告
04
Multi-class AI
多征象分类
一次分析即可同时对14项异常征象及正常征象进行分类，对影像进行综合评估。
- 14项异常征象 + 正常分类
- 提供各征象评分
- 多征象同步检出
02Development Pipeline
从数据到产品
依据医疗器械质量管理体系，对从数据管理到发布的全过程进行管控。
-
01
数据采集 · 去标识化
在去除个人信息的状态下获取医学影像数据。
-
02
专科医生标注
由专科医生标注征象，构建训练数据。
-
03
模型训练
训练并优化深度学习模型。
-
04
性能验证
使用独立数据确认模型性能。
-
05
质量管控下发布
按照质量管理体系流程发布并管理产品。
03Research
研究活动
2025.11
肺部感染合并菌血症患者 AI 预后预测
融合胸部X线与临床数据的死亡风险预测研究——荣获学会报告优秀奖
2025.11
生物半导体 · 干细胞专题讨论会
发表面向肺部疾病菌血症患者的 AI 融合预后预测研究
2025.08
韩国心血管胸外科学会
Korea ECMO Symposium & The 8th BEST 2025 参展及演示