影像信息是生物医学信息分析，特别是医学疾病筛查和诊断、治疗决策的重要信息来源。但是现有成像技术对早期微小组织结构的成像有一定的局限，导致现有影像信息在实际应用中面临诸多棘手问题，如“微小组织结构看不清”、“相似结构组织分不准”、“疑似病灶组织诊不准”、方法模型可解释性差等。
本项目在陕西省及陕西省教育厅等自然科学计划项目资助下，针对生物医学影像（特别是CT影像）应用中的挑战性问题，进行了较为深入的研究，并与企业紧密合作，进行了应用推广，在医学图像增强、医学图像分割、医学图像计算机辅助检查及系统研发等方面取得了系列创新性成果，具体如下：
[1]针对CT医学影像“微小组织结构看不清”的问题，提出一种基于临床先验和数学领域知识先验的CT图像联合滤波增强方法，实现了对医学CT医学影像中微小病灶（如肺结节）的显著增强。
[2]针对医学影像“相似结构组织分不准”问题，先后提出一种基于多简单策略集成的CT肺组织分割方法和一种基于通道注意残差U-Net的肝脏肿瘤分割方法。
[3]针对“疑似病灶组织诊不准”问题，先后提出一种基于迁移学习的假阳性检测方法和一种基于多尺度特征提取的声带白斑图像分类方法。
近3年，项目成果被西安汇龙科技股份有限公司、西安长源信和信息科技有限公司、杭州同烁信息技术有限公司、杭州灵视智能技术有限公司等公司采用推广，取得良好社会效益和经济效益。