中心主任：原旭

中心副主任：秦昌媛、马瑞新

中心成员：陈志奎、赵亮、于硕、高政南、李珅

围绕主动健康及养老服务，依托“互联网+医疗健康”模式，以主动健康、健康监护、慢病管理为重点，提供基于人工智能的健康管理服务平台，打造基础科研、医疗诊断、健康管理共融的HealthAI引擎。重点开发主动健康为主题的可穿戴设备及全感知的健康监测与检测设备，构建由真实数据支撑的元宇宙数字虚拟人。 突破大数据精准认知难和大数据可信融合难的技术瓶颈，创新大数据与区块链的融合理论，为重大流行病风险防控的科学治理与精准施策提供理论、技术及大数据平台的支撑。

1.专注于区块链技术专利池的构建，同时进行大数据融合本真计算研究，解决现有大数据采集滥乱、使用粗放、共享难行和安全难控等问题。开发了自主知识产权的心脏大数据健康预测平台已经完成成果转化，可预测约1000种疾病的潜在风险。

2.基于集成学习的脓毒症病情预测，针对提前预测脓毒症患病风险这一问题，在患者常规实验室检查数据的基础上，设计了多神经网络的复合集成框架，可以根据患者最新的实验室检查数据判断患者未来是否会患上脓毒症。

3.基于复合集成学习的慢阻肺严重程度预测，设计了一种全新的复合集成学习架构，采用患者的常规临床检测数据，完成对患者MEF50指标的预测，MEF50一般表示用力呼出50%肺活量时瞬间流量,其主要是反映肺功能小气道阻塞的指标，可以根据它更为准确、细化的判断患者的慢阻肺严重程度。

4.基于自监督多模态融合网络的脑肿瘤图像分割，在包括脑肿瘤分割任务在内的很多医学图像分割任务中：存在有标签的数据量不足问题；常常需要应对比自然图像更多的噪声问题。若能够充分利用多模态之间的联系以及多模态的互补信息，模型精度将会有所提高。设计了一种自监督学习机制：在训练过程设置一个前置任务，对每个模态图像采用不同位置的遮掩；处理前后的图像经过编码器计算，得到特征图；将两者计算出的特征图通过相似度损失计算相似程度，在训练过程中不断使两者输出接近。