该脂肪肝自动化审查系统基于深度学习算法，综合利用CT影像数据中的多个尺度特征，提取相关的影像信息，并对大量数据进行学习和优化，从而构建出准确性较为强大的诊断模型。该系统在训练和预测过程中能够自动学习CT影像数据中的复杂高阶特征，进而对脂肪肝的预测和诊断能力进行不断提高。该系统的设计和应用，有望为临床医疗领域带来可靠有效的数据分析和诊断手段，帮助医生更加高效地对脂肪肝进行诊治。
市面上的脂肝检测大多运用血液检查，超声检查，组织病理学检查（包括肝穿刺活检、肝脏组织切片观察等）等手段，而我们的项目融合多种相关技术，包括多尺度深度监督模型MSDSVNet、OCNet注意力机制模块等人工智能技术。通过对多个CT影像图进行模型训练，并运用模型压缩降低计算量、采用结构矩阵降低内存成本，以及矩阵向量和梯度计算大幅度加快训练的速度，最终实现较为效率的脂肪肝自动审查，减少了人力资源消耗