研究团队已建立以高血压脑出血为主的，包含各种出血类型、多模态的中国颅内出血影像数据库(CICHID)。数据库收集了来自30余家三甲医院的1万例病人住院期间完整、连续的医学资料，不但包括近5万次头部扫描数据，还包括病历、辅助检查报告等，成为国内影像组学研究方面最大的数据库之一。研究院团队已经建立了中国第一个专注于高血压脑出血工作的“高血压脑出血外科治疗联盟”，目前联盟单位共有116家医院。高血压脑出血智能化辅助诊疗模型初步完成，准备在联盟内部医院完成进一步临床验证。基于以上数据，在脑出血方面开展相关工作：

人工智能在脑实质出血中的方面，在辅助精准评估、软件平台研发、基于移动计算平台神经外科导航等方面开展了系列研究工作：

辅助精准评估诊断方面，基于2000余次头部CT扫描，利用深度学习网络，开发了自动分割出血算法，实现分区定量诊断脑出血，与手动分割的金标准一致性达到0.98，远优于传统的多田公式。同时创造性的使用分区脑出血量预测病人的预后，发现预测死亡的AUC值达到0.71，较传统方法0.62有较大提高。在预测血肿扩大问题上，通过深度学习网络，利用隐空间等算法，构建由图像到图像（端到端）的预测模型，不但可以预测血肿是否扩大，还可以预测血肿扩大的量，乃至扩大后血肿的形态，目前测试测试集DICE值达到0.749。

研究院团队已经开发脑出血自动化临床辅助软件平台研发，基于上述研究结果，搭建了智能化云端脑出血自动辅助评估系统，可以便捷的为医生提供分区出血量、中线偏倚、脑脊液/脑实质比值等数据，为临床精准治疗提供依据。