影像学的诊断对疾病的判断是非常重要的依据，现在的检查方法不论是CT或核磁得到的都是DICOM断层数字医学影像的2D数据，而每个人的空间想象能力不一，则导致医生阅片依靠需要大量的练习和丰富的经验。如果将这些2D断层数字影像转变成3D模型，则需要特定的图像分割建模知识和算法。

图像分割建模是一个经典难题，各个医学科室研究的器官不同、需求不同，造成了图像分割在不同科室要运用不同的算法。从七十年代期图像分割建模问题就吸引了很多研究人员付出巨大的努力，但是到目前为止还没有一个通用的方法。就现有的图像分割有两大问题。首先重建技术难度大，临床医生学习曲线很长，医生除了要具备相应科室的专科医学知识，还需要具备例如Unity 3D建模的相关IT属性。其次重建效率慢，一套影像数据的人工手动分割建模需要十几个小时的连续工作，目前在国内同时具备专科医学知识背景和相关IT属性的医生通常属于稀缺医疗资源，他们没有办法在重建工作上消耗太多时间和精力，而专门从事类似工作的职业也少之又少。交给国外专门的医学影像重建服务则需要一周时间，还需要预约。在临床应用上让即将做手术的患者等待一周时间是灾难性的。为此我们启动了基于人工智能的混合现实医疗影像数据的开发与应用的项目研发。通过人工智能自动分割将原本十几小时的工作时间缩短为几秒钟。我们认为更多的医生精力需要专注在医疗上，用科技简化IT技术的门槛，从而让更多原来无法运用分割重建的医生也可以便捷的运用这一技术优势来提高精准度和降低误诊率。