西安新闻网讯（西安报业全媒体记者姜泓 任娜）2月19日，记者从西安电子科技大学获悉，该校科研团队与时间赛跑，积极主动发挥专业优势，成功研发基于深度学习的新冠肺炎早期检测筛查系统、疫情高风险区域防控测温与身份识别预警及疫情数据分析系统等产品，用科技的力量编制和加固着战“疫”防线。

开发深度学习模型系统 快速分析诊断

快速准确地诊断新冠肺炎早期患者对控制和防治疫情的重要性和挑战性。西电计算机科学与技术学院智能软件与系统新技术研究所副教授张亮与团队成员主动出击，加快技术攻关，依托上海瑞金医院、西安交通大学第二附属医院等的新冠肺炎疑似、确诊患者肺部CT影像，通过综合分析新冠肺炎患者的肺部CT影像特点（磨玻璃、体积大小、位置等特征），设计开发了基于深度学习的新型冠状病毒的早期检测筛查模型系统。据介绍，通过对实际门诊数据排查测试，该模型可以减轻医护人员近80%的工作量，新冠肺炎患者的检测召回率超过95%。

目前，模型系统正在进行最后的调试工作，很快投入到“战疫”一线，缓解医护人员紧缺、确诊检测工作耗时较长等问题，减少医护人员的工作时间和劳动强度，提高工作效率。

多样技术集成 实现非接触测温和身份识别

在这场疫情阻击战如何快速地对流动人员进行体温筛查和人员信息采集是十分迫切的需求。西电通信工程学院相征教授团队依托科研积累与技术优势，加强系统集成攻关，快速研发了“疫情高风险区域防控测温与身份识别预警及疫情数据分析系统”。

该系统的通过对红外热成像非接触式测温、二代身份证识别、后台联动报警等几种技术集成应用，采用自组网技术进行低成本、大容量监测数据实时回传，实现各种场所对流动人员体温检测和身份识别。据了解，该系统各个硬件便于携带和快速部署，开机即可使用，可安装在口岸、机场、车站、办公楼等场所人流出入通道的关口或闸机口，实现出入人流的体温实时监测和超温预警，便于相关工作人员对可疑发热人员进行医学复查。

据悉，该系统现已成功运用于西安北客站等公共防役关口。团队成员尚渭萍表示：“我们正在积极联系量产的事情，希望能为疫情早发现、早隔离和主管部门实时掌控监测疫情、分析决策提供技术支持。”