在全球新冠肺炎持续爆发的情况下，新的病毒变异株出现了潜伏期短、传播速度快、病毒载量高等特点，全面快速准确的检测，对我国及世界疫情防控都有着非常重大的意义。

我校计算机科学学院赵慧民教授团队与我校达之学者、英国罗伯特高登大学任金昌教授聚焦新冠肺炎胸部X-超像素图像分割处理及其AI空间域的智能计算研究，建立了Covid-19分类诊断网络SC2Net（Segmentation-based COVID-19 classification network），有效解决了新冠肺炎早期感染的精准诊断问题。

SC2Net由肺部图像分割网络CLSeg和空间注意力网络SANet组成，通过在西班牙COVIDGR 1.0（Hospital Universitario Clínico San Cecilio, Granada,Spain)数据库实验表明，SC2Net平均诊断率超过84.23%，比现诊断使用的FuCiT-Net和COVID-SDNet方法准确率提高了3%-4.8%。相关研究成果发表在权威期刊IEEE Journal of Biomedical and Health Informatics（IF=7.021）以及IEEE Transactions on Cybernetics（IF=19.118）。

目前，该团队积极与广州医科大学附属医院合作，有望通过临床应用进一步提高诊断效果。