面对疫情防控的严峻态势，西安电子科技大学的科教人员，秉承牢记、践行“全心全意为人民服务”的传承，发挥学科优势，与时间赛跑，攻克急难，研发助力打赢新型冠状病毒感染的肺炎疫情防控阻击战的成果，用科技的力量助力战“疫”胜利。
成果一是基于深度学习的新冠肺炎早期检测筛查系统。疫情发生以来，该校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带领团队成员与西安交通大学第二附属医院抗疫一线的影像科医生，通过远程网络会议，在前期医学影像处理的研究基础上开展科研攻关，讨论方案、设计模型，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，设计开发出基于深度学习的新型冠状病毒的早期检测筛查模型系统。
经医院门诊数据排查测试，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，将尽快投入到“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。
成果二是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。为快速对疫情防控一线流动人员进行体温筛查和人员信息采集，做好“防”的前提，为“治”争取更多时间，使“控”取得最好效果。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，立足新冠肺炎防疫工作实际，发挥团队力量,加强系统集成攻关，快速研发成功“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”。
该系统硬件便于携带和快速部署，且开机即可使用。该系统可用在口岸、机场、车站、办公楼等场所人流出入通道，在关口或闸机口安装非接触式体温筛查仪，实现所有出入人流的体温实时监测和超温预警。系统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。
目前，该系统现已成功运用于西安北客站、环球印务有限公司等公共防役关口。
成果三是基于强关联规则的疫情发展分析与预测。西安电子科大电子工程学院冯伟及团队成员，利用国家卫健委、湖北卫健委和国家疾控中心的每日确诊人数和每日死亡人数等多组数据，通过综合分析并寻找变量之间的隐性规律，建立了基于强关联规则的疫情发展分析与预测模型，可用于对疫情进展和趋势进行科学评估。
该模型现已实现了对全国、湖北和除湖北外其他地区的疫情确诊人数、日增人数、死亡人数等的建模和预测。在累计和平均日增确诊人数预测中，该模型对湖北地区前23天的预测相对误差为1.6%和8.6%，对全国其他地区的预测相对误差为1.2%和8.4%。其咨询报告初版已提交给国家工信部等，作为疫情发展趋势分析的决策参考。
