帕金森病是一种常见的神经功能障碍疾病，虽然无法治愈但早期诊断对患者非常重要。语音障碍是帕金森病的早期症状之一。采用一段话，针对不同的语音样本进行采集，并从周期变化特征、峰值变化特征、谐波信噪比以及非线性动力学等几方面进行语音特征分析后, 以梯度提升决策树（Gradient Boosting Decision Tree，GBDT）算法作为学习鉴别诊断结果, GBDT集合Decision-tree, Gradient Boosting, Shrinkage 三种思想于一身，具有相对更好的泛化能力以及鲁棒性是目前在集成学习中使用率较高的算法。经过与复旦大学附属华山医院王坚教授团队共同研究，在语音特征用于帕金森病早期诊断准确率达85%，有效性的同时也发现不同特征下不同语音的类间分离度提供了客观指标并有助于後續评价治疗效果, 为基于语音障碍的帕金森病诊断奠定基础。

心脏病人AI预警系统

  心电图ECG智能辅助诊断系统心血管疾病是全球的头号死因, 目前心电图(ECG)机已经可以做准确的测量，但是各种波形中隐含的信息并其与病人临床表现联系起来仍旧需要经验丰富的医师。举例而言陈旧性下壁心肌梗死,心电图(ECG)受Ⅱ、Ⅲ、aVF导联电极离心脏远, 合并束支传导阻滞或心脏位置等因素的影响, 所记录到的Q波振幅较小甚至消失易造成漏诊, 本案从279个属性(其中206个为线性值)去鉴别冠状动脉疾病(CAD)、陈旧性前壁心肌梗死、陈旧性下壁心肌梗死、窦性心动过速、窦性心动过缓、室性期前收缩（PVC）、室性早搏、左(右)束支传导阻滞、房室传导阻滞、左心室肥厚、心房颤动或扑动等12种, 以概率神经网络(Probabilistic Neural Network, PNN) 作为学习鉴别诊断结果，诊断准确率达94.82%。

2. 胎儿心律辅助诊断系统