本项目的主要内容包括异构特征融合、提取肺结节、分析良恶性，基于Faster RCNN+3DCNN、多核学习+支持向量机分别实现了肺结节检测和良恶性分类，最终实现了检测分类一体，能够融合异构特诊的肺结节良恶性诊断程序。

本项目的主要内容包括分割颈动脉狭窄区域、提取斑块特征、结合CT、血检等信息联合预测发病风险。基于改进的3D Dense-U-Net、 3D-CNN + 权值迁移分别实现了颈动脉分割和发病风险预测，克服了人工设计指标、权值（医学评分）、仅包含二维图像信息（超声） 、未综合考虑病人各种检查数据等传统方法的缺陷。

该项目通过胆囊、肝脏实质、三角条索的多因素关联以及临床信息和影像学信息通过集成学习+Transformer实现了多模态融合，从而进行高精度预测，并通过模糊测试和因果推理实现了可解释性分析。