肺计算机辅助检测(CAD)系统是机器视觉技术的应用，可用于肺结节检测与良恶性识别，减少由此产生误判或漏检的可能性，为医生提供“第三方”的辅助诊断结果。 通常肺 CAD 通常包含肺 CT 图像数据的采集、图像的预处理、肺实质分割、候选结节 ROI 或 VOI 的检测、ROI 或 VOI 特征的计算与选择、肺结节的识别，肺结节识别是肺 CAD 的核心技术。
现有技术存在计算量大、寻参时间长、实时性差，不易形成在线识别算法的缺点。 为了解决现有技术的问题，本团队提出了基于 MKL-SVM-PSO 算法的肺结节图像处理方法，可以快速、准确地寻找到混合核支持向量机的最优参数组，并将其应用于肺结节识别，训练时间短，容易形成在线识别算法。将 PSO 算法引入MKL-SVM 算法，并将其应用于肺结节的良恶性判别 ;在改变动态权重的基础上，讨论了线性权重与非线性权重的异同，并得到了最优的动态非线性权重形式。使得算法的平均适应度值更加快速、稳定地接近最佳适应度值，且易得到全局最优解。在此基础上，团队近年来也对医学图像的非均衡数据集采用对抗生成网络技术进行数据增强，并对深度网络结构 进行调整，达到生成器与判别器均衡训练的目的。
团队已开发出基于不同机器学习与优化算法相结合的技术近十种，攻克了现有算法计算量大，寻参时间长等特点。