随着机器视觉技术的不断进步，借助计算机强大的计算能力和人工智能技术在医疗影像分析方面的突出成果，不断出现的各种AI医疗影像诊断技术已经可以辅助医生，提升医生诊断的效率，并且逐渐成为全球医疗行业一种可靠的辅助工具。

来自复旦大学青年研究员付彦伟博士团队在紧密切合当前人工智能医疗应用场景的科研实践中，正在做着一系列创极具挑战的创新研发。自2020年新冠疫情开始至今，付彦伟博士先后参与了多个涉及新冠肺炎辅助诊断与AI智能结合的境内外联合临床研究，并都取得了显著的研究成果。在今年9月刊发的“跨地区跨人种新冠眼部检测临床实验”相关论文，更为机器视觉在新冠体外检测领域的科研与实践，提供了更多的临床证据与启发。

据付彦伟博士介绍，目前机器视觉技术在医学疾病诊断方面的技术路径，主要体现在两个方面：通过大批医学专家和人工标注训练AI模型，来学习某一种疾病独有的各类特征，并将模型所检测的人体特定区域进行图像增强、标记、测量、比较等处理，协助医生诊断（比如X射线成像、显微图片、B超、CT、MRI、眼底相机视网膜检测等）；利用医学专家对不同疾病的特征启发知识，结合机器学习模型对人体检测区域的高维特征提取，两者融合形成可自主学习和结构化的疾病特征库（特征知识图谱）后，可针对不同疾病的特征进行分型、并给出形象准确的解释。

付彦伟博士所参与，于2020年1月复旦大学计算机学院、大数据学院联合上海市公共卫生临床中心启动的《新冠肺炎影像学AI智能辅助诊断与预后预测》相关研究工作，就是通过AI智能算法实现新冠肺炎与其他病毒性肺炎、细菌性肺炎的影像分类识别及病灶检测，帮助临床进行更高效的诊断，在新冠肺炎、H1N1、CAP以及健康人四分类任务中，该方法取得了较高的准确率。

值得注意的是该研究的检测技术，不需要依靠专业设备和操作人员，仅依靠民用相机（手机）拍摄的眼部图片或短视频，经过深度学习模型处理后，即可实现某种特定疾病，或同时多种疾病的特征检测。这种“无创、即时、低成本”的疾病风险筛查工具，为公共卫生疾控，以及一些特定疾病的远程非接触式的风险筛查和健康评估，提供了一种全新的科研方向与思路，期待未来的科研实践中可以更好的推动AI辅助诊断技术，在医疗领域和国民健康领域更便捷低成本得到全面应用。同时付彦伟博士的科研团队已经将这项技术的新冠检测demo和相关API数据开发接口，通过AIMOMICS线上平台向中国境内用户和非商业目的开发者永久免费开源。