·本项目拥有一套全链条的领域知识图谱技术，包括：领域知识图谱自动化构建技术，知识图谱管理平台及可视化技术，基于知识图谱的智能查询、智能问答、智能推荐、智能推理等算法库一套，基于知识图谱的可视化决策支持技术等。目前已构建了电磁空间一体化知识图谱、跨域资源协同探测知识图谱、航天热点事件分析评估知识图谱，并分别基于所构建的知识图谱研发了面向客户需求的信息查询、可视化、问答、推理等应用。成果转化或推广模式，一方面是面向企业，针对其所处的垂直领域及业务需求，提供知识图谱构建及上层应用开发服务；另一方面是将构建好的知识图谱及应用作为软件，推广到相对应的企业。

·本项目研究一种DOBI乳腺癌诊断大模型，以实现的乳腺肿瘤的良恶性判断。该方法构建了一种多模态动态光学影像(DOBI)数据的大模型，从乳腺动态光学影像及病理文本信息中提取有效特征，并充分利用以上多模态信息进行学习与推理，完成乳腺肿瘤良恶性判断。研究中，构建了结构化DOBI多模态乳腺医疗数据集，利用DOBI乳腺医疗信息，并结合提示工程，在预训练多模态大模型上进行微调，使得模型学习并适应乳腺肿瘤良恶性判断的下游任务。通过设计一种针对三维影像输入的处理方式，使得模型可以实现二维和三维的医学影像的混合处理。图1为DOBI多模态大模型结构图。当前，DOBI多模态大模型在肿瘤良恶性判断能力上，在测试集上达到准确率为76.9%，敏感度为77.2%,特异度为76.9%，在相较于其他算法及模型测试下均有较好预测结果。

·本项目旨在研究基于动态光学影像的乳腺肿瘤良恶性分类方法，重点在于提升分类模型的准确性和鲁棒性，为医生进行乳腺肿瘤良恶性诊断提供可靠参考。项目的研究内容包括以下几个方面： 1、数据预处理与特征提取 针对动态光学影像采集过程中获得的多种类型数据，开展系统的预处理工作，包括去噪、归一化和标准化处理。结合乳腺肿瘤良恶性分类的需求，探索和提取能够有效表征肿瘤特性的多维特征，例如动态光学数据中的时间、频率和空间信息。 2、多个基础分类模型的构建与优化 充分研究多种类型的动态光学影像与提取的图像特征，结合病人的生理信息，基于逻辑回归、对比学习、注意力机制等多种理论方法，构建了9个基础分类模型，对乳腺肿瘤的良恶性分类进行初步探索。通过交叉验证评估各模型的性能，结合数据特性选择最优基础模型，并优化模型的超参数和结构。 3、基于贝叶斯理论的集成学习方法 在基础分类模型的基础上，深入研究不同模型之间的特性互补性，探索集成学习在乳腺肿瘤分类中的应用，尝试多种融合策略，包括基于不确定度评估的动态集成选择模型、基于贝叶斯理论的深度集成模型、基于特征差异性的动态集成模型，通过整合多个优化模型，进一步提升整体分类系统的准确性和鲁棒性。 4、模型验证与评估 利用真实临床数据和实验数据对最终分类系统进行全面验证，评估其在乳腺肿瘤良恶性分类中的准确性、敏感性、特异性等关键指标。结果表明，在55例测试集上的最优测试结果可以达到：准确率88%，敏感度89%，特异度87%。证明了，本项目研究方法的有效性，为未来在临床中的推广应用提供理论依据。

·本项目旨在利用模拟仿真与可视化技术，构建一个可交互、动态响应的仿真平台，支持多种领域的应用场景。通过集成D3.js、Vue等技术栈，提供实时数据展示和可视化分析，帮助用户在虚拟环境中进行决策优化、风险预测和策略调整，提升整体效率与决策准确性。

·本项目基于大语言模型和大数据技术开发的多功能综合性平台。其中数据层负责将原始数据存储在数据仓库系统中，保持与源系统基本一致的结构，作为数据仓库的数据准备区。这一层的主要职责是将基础数据同步、存储到数据仓库中。业务逻辑层负责接收来自表示层的请求，处理这些请求，并调用数据访问层进行数据操作。以及在系统上叠加的基于大语言模型的智能应用层可以实现更高层次的可视化决策支持，基于该平台已经开发完成网约车租赁系统、供应链系统等。

·本项目主要包含领域知识图谱本体层构建、领域知识图谱实体层构建、领域知识图谱的可视化展示等。首先，构建本体的输入包括领域知识、术语词典、专家的人工经验等；输出则包括构成知识图谱的实体类别以及类之间的关系等。其次，在实体层的构建技术基础上，实现一套包括实体抽取、关系抽取、实体和关系的联合抽取、实体对齐的知识图谱自动化构建工具链。最后，利用可视化提供统一的图形接口。并实现领域知识图谱的可视化展示技术，用可视化技术展示知识资源及其载体，表达知识图谱中的语义关系、网络结构。

·本项目依托大语言模型底座，结合RAG技术，对技术文档内容进行智能引导和填充，核心功能如下。专有知识管理。依托公开数据集、公司内部数据集，构建专有知识库，开放爬虫功能实时更新知识库中相应内容。根据知识库中的信息构建知识图谱。实时网络信息更新，将知识库与互联网对接，实时从网络中获取可靠的技术、法规、市场信息。实时更新知识库内容。企业技术文档垂类大模型。通过企业专有文档的支撑，根据企业文档内容生成语言风格严谨、专业知识准确的填充内容，从而引导工程师对相关内容进行思考和完善。通过相关界面进行人-机交互，进一步完成对生成内容的规范。最终，导出一份内容详实、应用技术准确、版本可控制的技术文档。

·癌症精准诊疗是通过分析个人基因突变为癌症患者制定个性化治疗方案，本项目采用先进的智能机器学学习理论及算法，构建基因计算模型及系统，VarDDT，其能够采用高通量测序数据实现癌症基因组多种变异检测及靶向药物定位，即能够全面、高效地检测单位点变异(SNP)及结构性变异(包括拷贝数变异，插入/缺失，融合基因，倒置及易位)，并依据这些变异准确定位癌症，靶向药物，从而到达精准医疗目的。VarDDT的panel涵盖404种癌症药物且在不断扩展。VarDDT能够利用癌组织单样本测序检测多种变异，无需癌旁组织的测序数据，使得整体成本下降。与其他方法相比，VarDDT具有准确度高、检测效率高等特点。