人工智能阅片，机器快速完成初步判断，交由医师完成*后判断，效率高；信息利用度高，重复性高，定量分析难度低，省时、省成本；部署方便，快速灵活，通用系统，兼容性强，支持远程诊断。

通过图像识别和深度学习的方法对各脏器超声图像进行学习，实现对病灶特征的识别和判断，用于对超声图像的分析与辅助诊断等应用。现已完成对甲状腺、乳腺、肝脏、卵巢、膀胱等超声检查的辅助诊断应用。

该系统为纯软件，易于部署，通过计算机对患者超声影像进行读取和分析，利用人工智能辅助诊断系统判断患者肿瘤性质，能有效提高诊断效率，大大减轻相关医生的劳动强度。

医院需求：
1）三甲医院，在设备配置、医生数量和水平等方面都较为出色，问题是医生处于高负荷作业状态，因此存在利用技术手段提升诊断效率和准确率的诉求。
2）基层医疗，影像设备配置基本到位，但因影像科医生数量不足等因素，使其诊断能力难以支撑临床诊断需求。因此，越是基层的医疗机构，对于提升影像诊断水平的诉求越强，对相关辅助诊断技术的需求也越大。

功能特点：
1）病灶标注：在软件中完成病灶勾勒，为超声医生诊断提供参考，大幅度减少误诊、漏诊。
2）肿块特征分析：根据回声、形态、边缘及钙化进行定量分析，提高诊断精度及临床诊断信心。
3）实时报告书写：根据报告特征自动生成结构化超声报告，大大节约医生报告书写时间及数据传输效率。

产品优势：
1）能提供辅助意见的自动癌症识别系统，帮助及早发现癌症，增加成功、及时治疗的机会。
2）利用先进的深度学习神经网络结构，从二维超声图像中识别病变状态，其准确度可达到甚至超过有经验的超声医生；
3）在训练深度学习神经网络模型的时候，选取了医院常用的各种型号的超声机采集的图像，保证训练模型在临床实践中有更好和更广泛的适用性；
4）为不同器官（如甲状腺、乳腺、肝、卵巢和膀胱）的肿瘤分类开发一个通用的深度学习神经网络结构，有望建立更可靠的基于机器的诊断模型，并易于技术维护和支持；
5）采用计算机视觉领域的*新技术，使用深度学习神经网络检测主要肿瘤特征，以协助医生对肿瘤特征的描述，并为医生的*终诊断决策提供支持。

总之，“超声影像智能辅助诊断系统”可以作为重大疾病中肿瘤早期筛查的一种重要手段，从而解决我国在这方面诊疗水平参差不齐的问题，创造更大的社会效益。对医院来说，可以获得更多的资源共享以及技术支持，系统性地降低成本；对医生来说，可以提高诊断效率，降低误诊的概率，获得诊断辅助；对患者来说，可以获得更准确的诊断建议以及更个性化治疗方案建议。

及时提供货源，完善的物流支持。实行区域代理，保护代理商权益。提供合理运作空间，持续稳定为代理商做全面服务工作。完成任务年终返点。提供合法的经营手续。

1、具有医疗健康服务资格的合法自然人及熟悉医疗健康行业的个人或团队，具有优良的品质和信用。
3、具有良好的沟通能力，能耐心为客户进行讲解及服务。
4、具有较强的人际关系，并拥有很好的医疗相关销售网络和渠道。
5、能配合本公司各项市场运作理念及方式，服从公司统一配置及管理。
6、索取并填写好“事业合伙人”申请表(加盖公章)：(1)加盖公章的营业执照副本复印件；(2)联系人的身份证复印件。