高等教育领域数字化综合服务平台
云上高博会服务平台
高校科技成果转化对接服务平台
大学生创新创业服务平台
登录
|
注册
|
搜索
搜 索
综合
项目
产品
日期筛选:
一周内
一月内
一年内
不限
医学
脑电智能
诊断
本项目通过研发神经疾病异常脑状态智能检测方法,并建立基于医联体的脑电分布式智能处理平台,提供适应临床需求的癫痫脑电智能处理和远程协作诊疗方案,提高临床癫痫诊疗效率,并助力于癫分级诊疗体系建设。
清华大学
2021-02-24
基于人工智能的睡眠
医学
诊断
技术
失眠障碍是一种普遍存在的睡眠障碍疾病,我国成年人中的患病比例高达30%,其主要表现为难以入睡、难以维持睡眠或睡眠质量不佳,导致出现疲倦、注意力不集中、记忆力减退、情绪波动等负面影响,并且与多种疾病(如心血管疾病、糖尿病等)的发生和发展密切相关。我国庞大的患者群体增加了对医疗资源的需求和社会负担,对个人和社会经济造成重大影响。失眠障碍需要引起足够的重视和关注,早期诊断是减少其对个人和社会危害性的有效方法。 目前临床睡眠诊断主要依靠睡眠专家人工判读多导睡眠图(polysomnography,PSG),PSG技术同时记录多个生理参数,如心电图、脑电图、肌电图、眼电图等,从而准确评估睡眠的各个阶段和睡眠中的生理变化。然而,现代临床睡眠诊断方法存在一些弊端。首先,依靠睡眠专家人工进行诊断成本很高。例如,临床诊断中标记一位患者的PSG数据并完成诊断,往往需要一位训练有素的睡眠专家数个小时的集中工作才能完成,无法应对大规模睡眠障碍群体需求。此外,睡眠诊断存在个体差异,同一种睡眠障碍在不同人群中的表现可能不同,诊断结果需要根据患者的具体情况进行综合评估和判断。这些方法需要专业人员进行操作和解读,费用昂贵,操作复杂,很难普及应用。 人工智能技术可以帮助解决以上问题。人工智能技术可以在不需要专业人员干预的情况下,对失眠障碍进行自动化分析和诊断,具有高效性、低成本和易普及的优点。此外,还可以在大数据层面上进行分析,深入探究失眠障碍的病理生理机制,从而更好地指导治疗和预防措施的制定。 睡眠诊断是最为适合采用云平台技术进行自动化诊断的领域,患者潜在群体数量庞大。本项目涉及基于人工智能睡眠医学诊断技术的全系统的各个环节,系统的诊断准确率目前为世界范围内第一。前期已经服务于制药企业睡眠类药物评价、可穿戴消费级电子设备睡眠监测等领域。目前市场上的类似产品均不具备临床医疗级的诊断能力,本技术填补了市场空白。 图1.本项目研发的原理样机部件
北京理工大学
2023-06-05
肿瘤
医学
图像智能
诊断
算法
简介: 1、胰腺肿瘤CT图像诊断算法。针对胰腺肿瘤分类问题,从医学CT图像出发,搭建深度学习模型。对于肿瘤分类,我们将问题建模成两部:胰腺定位查找和胰腺肿瘤分类。我们建立级联分割网络,从病人腹部的CT图像中将胰腺器官分割出来。级联分割网络比之前的层级分割网络结果提升10各点。之后建立多模态分类网络,针对CT图像的特性,将多切片多造影剂时期多区域的数据进行融合,在胰腺肿物分类中取得了较好的结果。 层级分割模型示意图 分类模型可视化热图 2、现有的乳腺癌腋窝淋巴转移的医疗诊断措施为病理活检,是一种过度医疗。基于乳腺钼靶图像的术前无创的乳腺癌腋窝淋巴转移预测手段能够有效避免过度医疗。我们构造了基于乳腺钼靶图像的深度卷积神经网络模型来处理乳腺癌腋窝淋巴转移问题。我们对乳腺钼靶数据进行了预处理和数据集的整理、划分。我们构造了三个不同的深度卷积神经网络,患病侧单体位网络、患病侧双体位网络和双侧双体位四视图网络。其中,患病侧单体位网络分为 CC 位网络和 MLO 位网络。在乳腺钼靶数据的测试集上,患病侧 CC 位网络、患病侧 MLO 位网络、患病侧双体位网络、双侧双体位四视图网络的结果依次递增。这表明了同时使用同一患者的四张钼靶图像的双侧双体位四视图网络具有更好的预测效果,更适合乳腺癌腋窝淋巴转移预测任务。对于双侧双体位四视图网络,我们不仅使用了双侧测试集 1,还使用了额外的双侧测试集 2 进行测试。 钼靶乳腺图像预处理 双侧双体位深度学习网络 优势:从客观的医学图像数据出发,结果可重复,而且高效快捷,提高识别准确率的同时,便于临床推广。
中国人民大学
2021-05-15
肿瘤
医学
图像智能
诊断
算法
1、胰腺肿瘤CT图像诊断算法。针对胰腺肿瘤分类问题,从医学CT图像出发,搭建深度学习模型。对于肿瘤分类,我们将问题建模成两部:胰腺定位查找和胰腺肿瘤分类。我们建立级联分割网络,从病人腹部的CT图像中将胰腺器官分割出来。级联分割网络比之前的层级分割网络结果提升10各点。之后建立多模态分类网络,针对CT图像的特性,将多切片多造影剂时期多区域的数据进行融合,在胰腺肿物分类中取得了较好的结果。层级分割模型示意图 分类模型可视化热图 2、现有的乳腺癌腋窝淋巴转移的医疗诊断措施为病理活检,是一种过度医疗。基于乳腺钼靶图像的术前无创的乳腺癌腋窝淋巴转移预测手段能够有效避免过度医疗。我们构造了基于乳腺钼靶图像的深度卷积神经网络模型来处理乳腺癌腋窝淋巴转移问题。我们对乳腺钼靶数据进行了预处理和数据集的整理、划分。我们构造了三个不同的深度卷积神经网络,患病侧单体位网络、患病侧双体位网络和双侧双体位四视图网络。其中,患病侧单体位网络分为 CC 位网络和 MLO 位网络。在乳腺钼靶数据的测试集上,患病侧 CC 位网络、患病侧 MLO 位网络、患病侧双体位网络、双侧双体位四视图网络的结果依次递增。这表明了同时使用同一患者的四张钼靶图像的双侧双体位四视图网络具有更好的预测效果,更适合乳腺癌腋窝淋巴转移预测任务。对于双侧双体位四视图网络,我们不仅使用了双侧测试集 1,还使用了额外的双侧测试集 2 进行测试。钼靶乳腺图像预处理 双侧双体位深度学习网络 优势:从客观的医学图像数据出发,结果可重复,而且高效快捷,提高识别准确率的同时,便于临床推广。
中国人民大学
2021-04-10
光声
医学
成像
诊断
设备
本项目聚焦生物医学工程产业,围绕分子影像成像核心领域,致力于研发具有完全独立知识产权的光声医学影像产品,本技术的产业化对提升我国在该领域的全球竞争力具有重要的促进作用。采用超短脉冲激光照射生物组织产生热弹膨胀,引发宽带超声信号(即光声信号),据此重建生物组织的结构和功能图像。光声成像的独特价值在于能够表现生物组织的化学和功能信息(如血氧代谢信息等),对疾病(如乳房癌等)早期检测和和诊断具有重要意义。创新优势体现在首次提出光谱与声谱融合的光声图像分析方法,首次提出光声图像与超声图像互补信息融合的方法
南京大学
2021-04-14
医学
影像人工智能辅助
诊断
关键技术—智能病灶分割及三维重建
技术分析(创新性、先进性、独占性) 为了充分利用先进的人工智能的新技术,提高医疗影像辅助诊断的水平,使得智能医疗诊断技术提高临床诊断的质量和效率,使其尽快走入家挺、社区,满足人们的医疗健康的需要。研究临床医学影像的2D病灶精细分割和三维跨模态的影像三维重建技术。首先,通过建立多层感知的神经网路,对医学影像的特征进行充分学习,得到影像的几何映射的关系,从而实现对医学影像的三维重建,克服了现有的三维重建技术中度量关键问题,关键技术对于医学影像的精准度量,具有现实意义:其次,在2D病灶分割中,利用半监督学习技术,实现少标签情况下的分割技术,半监督学习技术可以有效解决医学影像中标签难以获取的问题。技术的研究成果的特点是医学影像跨模态辅助诊断技术,对于超声、CT以及核磁共振等影像都有效,并且攻克的神经网络过于复杂的关键问题,所研究技术适用于临床快速便捷辅助诊断。此外,在医学度量方面的关键技术中,突破了人体腹腔及皮下脂肪的精细分割技术的关键技术,可以用于临床辅助诊断中,在关键技术探索中,实现对腔内脂肪特征的精细学习,该技术仅需要少量的影像标准数据,就可以实现皮下脂肪的准确分割,并证明了关键技术的有效性。
华东师范大学
2021-05-10
肾癌转化
医学
与精准
医学
研究
NCCN指南推荐“高危”局限性肾癌术后可以通过辅助靶向治疗减少复发率,但临床中使用临床病理指标认定的“高危”亚群中有约50%的患者术后不出现复发,不必接受昂贵的辅助靶向治疗。为弥补临床病理指标的不足,更准确地识别真正的“高危”患者,减少不必要的辅助靶向治疗,本研究首先从TCGA数据库白种人局限性肾癌90万个SNP位点中筛选出44个与术后复发密切相关的SNP位点。然后通过对227例训练组患者的44个SNP位点检测,发现6个位点与黄种人局限性肾癌复发密切相关。将这6个SNP位点组合成预测模型进一步在中山大学组(217例)、国内多中心组(410例)和TCGA组(441例)验证表明,该预测模型是局限性肾癌术后复发的独立影响因子。该模型与临床病理指标相结合可以进一步提高预测准确度,更精准地识别复发高危患者。该杂志同时刊登了国际著名泌尿外科专家、美国德州大学西南医学中心Yair Lotan教授和Vitaly Margulis教授的述评,指出该分子预测模型对局限性肾癌术后个体化诊疗决策的制定具有重要作用,避免“一刀切”的治疗方案导致临床上的过度治疗或者治疗不足。
中山大学
2021-04-13
晨曦
医学
贵州晨曦医学教育发展有限公司于2017年08月04日成立。法定代表人赖元祥,公司经营范围包括:法律、法规、国务院决定规定禁止的不得经营;法律、法规、国务院决定规定应当许可(审批)的,经审批机关批准后凭许可(审批)文件经营;法律、法规、国务院决定规定无需许可(审批)的,市场主体自主选择经营等。
贵州晨曦医学教育发展有限公司
2021-02-01
电力精灵—电力能源装备健康状态
诊断
平台
一、项目进展 已注册公司运营 二、企业信息 企业名称 四川铭学智能技术有限公司 企业法人 林钰 注册时间 2017.11.29 注册所在省市 四川省成都市 组织机构代码 91510100MA6C766U7T 经营范围 计算机软硬件开发 企业地址 成都高新区天府大道北段1700号 获投资情况 / 三、负责人及成员 姓名 学院/所学专业 入学/毕业时间 学号 林钰 电信院/控制工程 2019.9/2022.6 201922000100 四、指导教师 姓名 学院/所学专业 职务/职称 研究方向 李茜 电信院/电气工程 副教授 能源系统智能感知 五、项目简介 电力精灵—电力能源装备健康状态诊断平台是集状态数据汇集、故障诊断、状态评估、检修决策推荐、三维立体显示、创新健康管理等多功能为一体的全栈式电力能源装备健康状况诊断平台。该系统改进了市面上监测系统主要存在功能单一、智能化不足、电力能源装备监测系统各自独立等问题,创新性地提出电力能源装备健康管理功能,同时覆盖变压器、海缆、蓄电池、开关柜、UPS、绝缘盘6类装备,使用户全面了解电力能源装备的生命周期及整体健康情况,为用户提供高效状态检修策略。
西南石油大学
2023-07-17
金英杰
医学
金英杰-医学教育机构是医学考试改革后全国从事医学考试培训的专业机构之一。业务涵盖医学执业资格、继续教育、技术实操、人才输出及就业等医学领域。 自2006年成立以来,经过多年的文化沉淀和发展。聚集了一大批北京大学医学部、首都医科大学、协和医科大学、解放军总医院等高校及医院的专家教授。金英杰已经成为医学考试培训界的驰名品牌。
北京金英杰教育科技集团有限公司
2021-02-01
1
2
3
4
5
6
...
41
42
下一页
尾页
热搜推荐:
1
第61届高博会将于2024年4月福州举办
2
第60届高博会观察记 | 指向未来 引领未来
3
2024年云上高博会产品征集
4
征集高校科技成果及大学生创新创业项目