研究领域

shape
shape
shape
shape
shape

腾讯天衍实验室

service

医疗影像

我们专注研究前沿的AI技术,尤其是深度学习技术,对不同模态(CT,MR,PET,X光,超声,内镜等)和不同部位(胸部、腹部、眼部、脑部、骨骼、皮肤、生殖器官等)的影像数据进行自动分析,例如疾病及其亚型的分类、手术风险评估及生存预期回归,病灶分割与检测、医疗影像报告生成、医疗图像增强、去噪等技术,协助医生做出更高效更精准的医学诊断。面对当前医疗影像数据稀缺以及模型泛化能力差的痛点问题,我们重点关注医疗影像预训练、自监督学习、领域自适应、小样本学习、对抗学习、联邦学习、多模态联合分析、模型可解释性分析等关键技术,联合腾讯健康与腾讯云,对外输出我们的AI能力与解决方案,助力国内医疗AI领域的生态建设。

service

医疗自然语言理解

我们专注于通过自然语言处理、知识图谱等技术进行医疗文本理解,并提供医疗实体关系抽取、医疗事件抽取、医疗知识图谱构建、知识图谱计算与表示学习、医学术语标准化等基础NLP算法能力;我们支持多种医疗人工智能应用引擎,包括医疗意图识别、病历文档理解、疾病风险预测与传染病预警、辅助诊断与治疗、用药推荐助手等,目前已成功应用于基层医疗辅助诊疗系统建设、智能导诊预问诊等腾讯健康C端产品。我们的研究方向涵盖信息抽取、知识图谱、知识问答、多轮交互对话、以及因果推理、增量学习、强化学习等基础理论研究。

service

医疗大数据

我们专注于通过AI算法研究及落地,旨在依托机器学习算法、大数据技术等,将算法能力输出到公卫、医保等领域的行业解决方案,以及腾讯健康小程序等C端应用。智慧公卫业务方向,包括:症候群预警监测、症候群时空分析、区域风险预测模型等;智慧医保业务方向,包括:医保反欺诈骗保预测、不合理用药引擎、团伙骗保识别、基于电子凭证的实时监管、医保宏观决策、DFA基金收支分析、医保公共服务等。具体研究方向包括:问答系统、医疗语言模型、时间序列异常检测、图嵌入算法、模型可解释性、联邦学习、因果推断、基金精算、混合仿真模型、人口预测模型等。