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
理学院
大数据
研究团队在人工智能与
大数据
处理领域发表系列高水平研究成果
我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展,研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速,但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷,设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型,有效改善了上述不足,提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》(Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy)的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者, 我校荣誉教授Nikhil R. Pal院士(印度统计研究所)参与指导,中国石油大学(华东)为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择,是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程,它是人工智能数据预处理环节的重要步骤,也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制,在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时,控制所选特征子集的冗余程度,以达到降维的最优效果,从而使模型的泛化能力更强,降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》(Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization)的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者,王健副教授为通讯作者,我校荣誉教授Nikhil R. Pal院士(印度统计研究所)参与指导,中国石油大学(华东)为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力,提出两种神经网络结构优化学习模型;本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法,同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力,适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。
中国石油大学(华东)
2021-02-01
陕西省人民政府办公厅关于印发促进和规范健康
医疗
大数据
应用发展实施方案的通知
陕政办发〔2017〕109号各设区市人民政府,省人民政府各工作部门、各直属机构:《陕西省促进和规范健康医疗大数据应用发展实施方案》已经省政府同意,现印发给你们,请认真贯彻执行。 陕西省人民政府办公厅2017年12月19日 陕西省促进和规范健康医疗大数据应用发展实施方案 为贯彻落实《国务院办公厅关于促进和规范健康医疗大数据应用发展的指导意见》(国办发〔2016〕47号)精神,进一步规范和推动全省健康医疗大数据融合共享、加速发展,结合我省实际,制定本实施方案。一、发展目标到2017年底,省级“健康云”框架基本形成,提供省、市、县三级公共卫生计生便民惠民信息服务,实现全员人口、电子健康档案和电子病历数据的整合共享,为公众提供电子健康档案、诊疗、康复和计生等信息服务;实现省级人口健康信息平台与国家平台互联互通、协同应用,形成健康医疗数据资源跨地区共享共用格局。到2020年,建成省级医疗卫生信息分级开放应用平台,实现与人口、法人、宏观经济、空间地理等基础数据资源和秦云工程行业云跨部门跨区域共享,医疗、医药、医保和健康各相关领域数据融合应用取得明显成效;依托现有资源建成1个国家级健康医疗大数据中心与产业园,3个区域临床医学数据示范中心,基本实现城乡居民拥有规范化的电子健康档案和功能完备的健康卡,健康医疗大数据相关政策法规、安全防护、应用标准体系不断完善,适应国情的健康医疗大数据应用发展模式基本建立,健康医疗大数据产业体系初步形成、新业态蓬勃发展,人民群众得到更多实惠。二、重点任务(一)夯实全省健康医疗大数据应用基础。1.加快建设统一权威、功能完善、互联互通的人口健康信息平台。实施全民健康保障信息化工程,按照安全优先、保护隐私的原则,依托全省电子政务平台,拓展完善现有设施资源,全面建成互联互通的省、市、县三级人口健康信息平台。强化公共卫生、计划生育、医疗服务、残疾人康复、医疗保障、药品供应、综合管理等业务系统数据采集、集成共享和业务协同。创新管理模式,推动生育登记网上办理。构建覆盖全省分级、分类、分区域的“健康云”,逐步完善相关内容。消除数据壁垒,贯通部门、区域、行业之间的数据共享通道,探索社会化健康医疗数据信息互通机制,实现健康医疗大数据在平台集聚、业务事项在平台办理、政府决策依托平台支撑。(省卫生计生委、省委网信办、省工业和信息化厅、省发展改革委、省财政厅、各设区市政府负责)2.有序推动健康医疗信息资源大数据开放和共享。鼓励各类医疗卫生机构推进健康医疗大数据采集、存储,加强应用支撑和运维技术保障,打通数据资源共享通道。加快建设和完善以居民电子健康档案、残疾人康复档案、电子病历、电子处方等为核心的基础数据库。建立卫生计生、教育、科技、工业和信息化、公安、民政、人力资源社会保障、环境保护、商务、安全监管、检验检疫、食品药品监管、体育、旅游、气象、保险监管、残联等跨部门密切配合、统一归口的健康医疗大数据共享机制。依托秦云工程建设大数据交换共享平台,实现健康云与其他行业云的数据交换共享。推进政府部门数据公开及社会化开发利用,探索推进可穿戴设备、智能健康电子产品、健康医疗移动应用等产生的数据资源规范接入人口健康信息平台。研究建立全省健康医疗数据资源目录体系,制定分类、分级、分域健康医疗大数据开放应用政策规范,稳步推动健康医疗大数据开放。(省卫生计生委、省民政厅、省人力资源社会保障厅、各设区市政府负责)(二)全面推动健康医疗大数据应用。3.推进卫生计生行业管理大数据应用。加强深化医药卫生体制和卫生计生政策评估监测,强化居民健康状况等重要数据精准统计评价,支撑健康陕西建设规划和决策。综合运用健康医疗大数据资源和信息技术手段,健全医院评价体系,推动深化公立医院改革,完善现代医院管理制度,优化医疗卫生资源布局。加强医疗机构监管,建立健全医疗、药品、耗材收入构成监测制度,协同医疗服务价格、医保支付、药品招标采购、药品使用等业务信息,助推医疗、医保、医药联动改革。(省卫生计生委、省发展改革委、省财政厅、省人力资源社会保障厅、省食品药品监管局、各设区市政府负责)4.推进健康医疗临床和科研大数据应用。实施健康医疗大数据应用发展工程,依托现有资源开展西安市、咸阳市健康医疗大数据中心与产业园建设,创建一批心脑血管、肿瘤、中医、老年病、传染病和儿科等临床医学数据中心,立足优势专科建立3个国家级区域临床医学数据示范中心。集成基因组学、蛋白质组学等国家医学大数据资源,构建临床决策支持系统。推进基因芯片与测序技术在遗传性疾病诊断、癌症早期诊断和疾病预防检测方面的应用,加强人口基因信息安全管理,推动精准医疗技术发展。建设陕西省健康医疗数据应用研究中心和陕西省中医药数据应用研究中心。建立药物副作用预测、创新药物研发数据融合共享机制。提升医学科研及应用效能,推动智慧医疗发展。充分利用基因检测数据和我省丰富的中医药、生物资源优势,积极吸引相关研究机构和企业到我省落户,助推全省生物医药产业发展。(省卫生计生委、省教育厅、省科技厅、省发展改革委、省财政厅、省人力资源社会保障厅、省工业和信息化厅、省食品药品监管局、各设区市政府负责)5.推进公共卫生大数据应用。实施基础信息化能力提升工程,加强公共卫生业务信息系统建设,重点完善计划免疫、网络直报、网络化急救、职业病防控、口岸公共卫生风险监测预警决策等信息系统建设,全面提升公共卫生监测评估和决策管理能力。整合社会网络公共信息资源,完善疾病敏感信息预警机制,及时掌握和动态分析全人群疾病发生趋势及传染病疫情信息等公共卫生风险,提高全省突发公共卫生事件预警与应急响应能力。整合环境卫生、饮用水、健康危害因素、口岸病媒生物和核生化等多方监测数据,有效评价影响健康的社会因素。开展重点传染病、职业病、口岸输入性传染病和病媒生物监测,整合传染病、职业病多源监测数据,建立实验室病原检测结果快速识别网络体系,有效预防控制重大疾病。推动疾病危险因素监测评估和妇幼保健、老年保健等智能应用,普及健康生活方式。(省卫生计生委、省委网信办、省发展改革委、省财政厅、省旅游发展委、陕西出入境检验检疫局、各设区市政府负责)6.培育健康医疗大数据应用新业态。充分运用海量数据存储清洗、分析挖掘、安全隐私保护等技术,积极鼓励社会力量创新发展健康医疗业务,促进健康医疗业务与大数据技术深度融合,加快构建健康医疗大数据产业链,不断推进健康医疗与健身、养生、养老、康复、家政等服务业协同发展。支持全民健身互联网公共服务平台建设,将国民体质测试数据融合到健康医疗大数据中,为健康医疗业务提供全方位数据支撑。发展居家健康信息服务,规范网上药店和医药物流第三方配送等服务,推动中医药养生、健康养老、健康管理、健康咨询、健康文化、体育健身、健康医疗旅游、健康环境、健康饮食等产业发展。(省工业和信息化厅、省卫生计生委、省发展改革委、省财政厅、省人力资源社会保障厅、省食品药品监管局、省体育局、各设区市政府负责)7.培育发展数字化健康医疗企业和产业。积极发展互联网健康服务业,催生健康智慧产业新业态。推动健康与养老、康复、旅游、互联网、健身休闲、食品“六大领域”的跨界融合和细分发展,打造健康产业集群。依托秦云工程项目,在全省高新技术产业园区,引进和培育一批数字化健康医疗智能设备研发和制造企业,支持研发健康医疗相关的人工智能技术、生物三维(3D)打印技术、医用机器人、大型医疗设备、健康和康复辅助器械、可穿戴设备以及相关微型传感器件。加快研发成果转化,提高数字医疗设备、物联网设备、智能健康产品、中医功能状态检测与养生保健仪器设备的生产制造水平,促进健康医疗智能装备产业升级。进一步健全政府购买体育公共服务体制机制,推动体育项目协会改革及实体化进程,鼓励发展多种形式的体育健身俱乐部,大力发展以健康为主题的健身休闲产业。发展健康食品产业,培育一批健康特色名品餐饮业和食品企业。(省工业和信息化厅、省科技厅、省发展改革委、省卫生计生委、省食品药品监管局、省体育局、各设区市政府负责)8.推进国际合作交流。围绕“一带一路”建设和“大西安”建设,规划建设高水平健康产业园,有序推进健康医疗大数据应用发展的人才技术交流与合作。鼓励相关企业和科研单位开展对国际先进技术的引进、消化吸收和再创新,推动自主技术与全球同步发展。鼓励和支持有条件的健康龙头企业“走出去”发展,提升我省健康产业在“一带一路”沿线国家的地位,进一步加强医疗援外工作,提升国际影响力。(省发展改革委、省卫生计生委、省外事办、省人力资源社会保障厅、省商务厅负责)(三)规范和推动“互联网+健康医疗”服务。9.发展智慧健康医疗便民惠民服务。实施智慧医疗便民惠民工程,鼓励社会力量参与,整合线上线下资源,规范医疗物联网和健康医疗应用程序(APP)管理。探索互联网健康医疗服务模式,推进互联网健康咨询、网上预约分诊、分级诊疗、远程会诊,移动支付和检查检验结果查询、随访跟踪等应用,优化形成规范、共享、互信的诊疗流程。有效整合全员人口、电子健康档案和电子病历信息,促进居民个人电子健康信息动态、实时、连续更新。以家庭医生签约服务为基础,探索居民健康卡、社会保障卡等应用集成,激活居民电子健康档案应用,推动覆盖全生命周期的预防、治疗、康复和健康管理一体化电子健康服务。(省卫生计生委、省人力资源社会保障厅、省工业和信息化厅、各设区市政府负责)10.全面建立远程医疗应用体系。依据全省远程医疗服务平台,积极引导三级医院利用自身优质医疗资源,面向中小城市和农村边远地区基层医疗机构提供远程会诊、移动会诊、远程病理诊断、远程影像诊断、远程心电诊断、远程查房等服务,健全检查检验结果互认共享、业务协调机制。依托三级医院探索医联体建设模式,推进大医院与基层医疗卫生机构、全科医生与专科医生的数据资源共享和业务协同,建设基于互联网、大数据技术的分级诊疗信息系统。延伸放大医疗卫生机构服务能力,有针对性地促进“重心下移、资源下沉”。积极推进我省与国家级综合医院合作远程医疗试点,有序发展第三方参与远程医疗市场运营,支持和鼓励第三方机构建设医学影像、心电、检验检查及病理诊断中心。(省卫生计生委、省人力资源社会保障厅、省发展改革委、省工业和信息化厅、各设区市政府负责)11.推动健康医疗继续教育培训应用。依托国内外优质医疗教育资源,加强卫生人才继续教育平台建设。充分利用高等院校医学教学资源,鼓励开发慕课(MOOC)健康医疗培训教材,探索新型互联网教学模式和方法,组织优质师资推进网络医学教育资源开放共享和在线互动、远程培训、远程手术示教、学习成效评估等应用,利用我省高校附属医院的优势学科、重点专科和丰富的临床诊疗经验,开发具有我省特色的临床经验分享窗口,便捷医务人员终身教育,提升基层医疗卫生服务能力。(省卫生计生委、省教育厅、省人力资源社会保障厅、各设区市政府负责)(四)加强健康医疗大数据保障体系建设。12.加强政策和标准规范建设。建立健全健康医疗大数据应用发展的政策、规范、制度,完善数据开放共享支撑服务体系,建立“分级授权、分类应用、权责一致”的管理制度。规范健康医疗大数据应用领域准入标准,建立大数据应用诚信机制和退出机制,严格规范大数据开发、挖掘、应用行为。建立统一的疾病诊断编码、临床医学术语、检查检验规范、药品应用编码、信息数据接口和传输协议等相关标准,促进健康医疗大数据产品、服务流程标准化。(省委网信办、省卫生计生委、省食品药品监管局、省工业和信息化厅负责)13.推进网络可信体系建设。强化健康医疗数字身份管理,建设统一标识的医疗卫生人员和医疗卫生机构可信医学数字身份、电子实名认证、数据访问控制信息系统,积极推进电子签名应用,逐步建立服务管理留痕可溯、诊疗数据安全运行、多方协作参与的健康医疗管理新模式。(省卫生计生委、省委网信办、省工业和信息化厅、各设区市政府负责)14.加强健康医疗数据安全保障。落实国家信息安全等级保护制度,加快健康医疗数据安全体系建设,建立数据安全管理责任制度,制定标识赋码、科学分类、风险分级、安全审查规则。开展大数据平台及服务商的可靠性、可控性和安全性评测以及应用的安全性评测和风险评估,建立安全防护、系统互联共享、公民隐私保护、数据备份容灾机制、数据安全管控、信息安全应急策略等软件评价和安全审查制度。加强大数据安全监测和预警,建立安全信息通报和应急处置联动机制,建立健全“互联网+健康医疗”服务安全工作机制,完善风险隐患化解和应对工作措施,加强对涉及国家利益、公共安全、患者隐私、商业秘密等重要信息的保护,加强医学院校、科研院所等的安全防范。(省卫生计生委、省委网信办、省公安厅、省国家保密局、省工业和信息化厅、各设区市政府负责)15.加强健康医疗信息化复合型人才队伍建设。依托省内高等院校医学教学资源,强化医学相关学科建设和“数字化医生”培养,着力培训高层次、复合型研发人才和科研团队,培养一批有影响力的专门人才、学科带头人。推动政府、高等院校、科研机构、医疗机构、企业共同培养人才,促进健康医疗大数据人才队伍建设。(省教育厅、省卫生计生委、省发展改革委、省人力资源社会保障厅、各设区市政府负责)三、保障措施(一)加强组织领导。各地、各有关部门要重视健康医疗大数据应用发展,密切配合、形成合力,切实采取积极有效措施,建立政府主导、多方参与、资源共享、协同推进的工作格局。在全省选择一批基础条件好、工作积极性高、隐私安全防范有保障的地区和领域开展健康医疗大数据应用试点,总结经验,扎实有序推进,确保各项任务落到实处。省卫生计生委要强化对技术研发、新业态构建、应用推广的统筹协调,研究建立专家委员会,组织研究制定发展战略及相关政策、法规、标准;省发展改革委要加大项目投入和监管力度;省财政厅要给予必要的经费支持;省工业和信息化厅要加快推进秦云工程项目建设,做好健康云和医疗大数据产业发展指导。(二)加大政策扶持。各地、各有关部门要制定出台支持政策,从财税、投资、创新等方面对健康医疗大数据应用发展给予必要支持。推广应用政府和社会资本合作(PPP)模式,鼓励和引导社会资本参与健康医疗大数据的基础工程、应用开发和运营服务。鼓励政府与企事业单位、社会机构开展合作,探索通过政府采购、社会众包等方式,实现健康医疗大数据领域政府应用与社会应用相融合。充分发挥已设立的有关投资基金作用,激发社会资本和民间资本参与热情,鼓励创新多元投资机制,健全风险防范和监管制度,支持健康医疗大数据应用发展。(三)加强政策宣传。各地、各有关部门要加强健康医疗大数据应用发展政策解读,大力宣传应用发展的重要意义和应用前景,积极回应社会关切,形成良好社会氛围。积极引导医疗卫生机构和社会力量参与开展形式多样的科普活动,宣传普及健康医疗大数据应用知识,鼓励开发简便易行的数字医学工具,不断提升人民群众掌握应用能力和社会公众健康素养。
陕西
2020-11-12
基于
大数据
的远程水质监测与分析
水是维系生态系统健康的重要因子,具有调节河川经流、发展灌溉、提供工业和饮用水源、繁衍水生生物、沟通航运、改善区域生态环境以及开发矿产等多种功能,在支撑经济社会发展和维持生态环境平衡中发挥了重要作用。水质监测是水资源保护中的基础性工作,对于污染源控制、环境规划具有重要意义和作用。我国一贯主张预防优先于治理的环境保护政策,在《国家中长期科学技术发展规划纲(2006-2020)》确定的16 个重大专项中,水专项是迄今为止我国资金投入总量最大的环境科研项目,投入逾百亿,旨在为中国水体污染控制与治理提供强有力的科技支撑。建立智能水质监测网络,加强水质监测能力,提升河湖管理水平,是水污染防治与水资源可持续利用的重要前提。 二、前期研究基础 项目组与联合环境技术(厦门)有限公司签署了合作课题“水环境远程监测云平台技术服务”,2017.9-2020.8,30万。利用无线网搭建水环境远程监测云平台,通过云端实时收集系统运行的过程数据,并进行统计分析,服务端和APP客户端实现实时查看数据和远程设备运行情况,并能远程控制设备启停等。 三、应用技术成果 项目组开发了膜系统远程监控维护系统(UE-MRTU),并于2017年12月部署应用在云南昆明的一个自来水厂。 四、合作企业 联合环境技术(厦门)有限公司于2006年6月成立,专业从事以膜法技术为核心的中水回用、固液分离、纯水制备、废水等项目的设计、研究与开发应用。作为中国最早的膜系统服务商,提供膜系统的设计、制造、安装;以及膜系统的污染检测、清洗维护、运营管理。联合环境技术公司的膜法水处理技术在工业、民用及商业领域得到广泛应用(如江苏某市政污水处理厂,福建某市政污水处理厂,外蒙古乌兰巴托某饮料厂污水处理项目和江苏某太阳能光电有限公司污水处理项目)。工业应用产品包括外压式中空纤维膜组件和浸入式膜组件,可应用于给水/污水处理、水回用、海水淡化、食品、制药、石油、化工、电力、生物分离及其它分离过程;家用/商用净水设备包括膜净水器或集成水净化系统;集装式一体式应急超滤设备等,成功运用于各个领域的水处理项目;扩展水生态系统综合项目,包括提供水生态修复、水环境监测及水务投资/运营。已获得十几项国家发明和实用新型专利授权,在远程监控方面也获得了多项软件著作权。
厦门大学
2021-04-11
基于医保系统
大数据
构建“癌症发病监测”模型
癌症是全球第二大死因,对人类的健康构成严重威胁。我国人口基数庞大,老龄化进程不断加快,癌症防控工作也面临巨大挑战。准确、实时的恶性肿瘤发病数据可为防控相关的政策制定、资源配置和科技项目实施与效果评估等提供重要依据。肿瘤发病数据的获得主要通过“肿瘤登记”实现,其中最理想的模式为“基于人群的肿瘤登记体系(Population-based Cancer Registry,PBCR)”。我国现行的肿瘤登记工作可追溯到上世纪50年代末60年代初。历经几十年发展,“从无到有”、“从弱到强”,为相关工作的开展提供了关键的基础数据。然而,受限于“基于监测哨点开展、定点医院人工填报”的主要形式,目前我国肿瘤发病登记工作的发展遇到挑战。其中主要包括:肿瘤登记点数量不足和分布不均衡;肿瘤登记数据深度和广度不足;很难在现有模式下建立真正覆盖全人群的肿瘤监测系统。同时,对上报数据的采集、补充、质控需要较长周期,导致我国肿瘤发病年报通常会滞后3年发布。河南省滑县与广东省汕头市合计在籍人口约700万人。近十年以来,各项医保系统的总参保比例分别稳定在99%及90%以上。两地区过去一直被认为是食管癌高发区,但目前尚无国家肿瘤登记系统覆盖,因此实际的癌症负担及食管癌发病水平仍不明确,无法有针对性地制定并实施肿瘤防控计划。过去十余年,柯杨教授课题组在我国太行山食管癌高发区开展了多项大规模前瞻性人群研究。在长期的队列随访工作中,课题组探索出利用“医保报销数据”追踪肿瘤新发病例的工作模式。经比较性研究评估,该模式对新发癌症病例捕捉的灵敏度高达96%,特异度接近100%[4]。在此基础上,该团队进一步与河南省滑县和广东省汕头市政府有关部门与医疗机构建立深度合作,在高度重视数据安全与隐私保护的基础上,创新性地基于医保系统的医疗费用报销与疾病诊断数据,建立了一套标准化的数据清理流程和质控标准,研发了医保系统数据挖掘的相关算法(已申报相关发明专利),实证性构建了南、北方两个试点地区的肿瘤发病监测系统。对当地全瘤种的癌症发病数据及其流行分布特征、时间趋势等进行了深入分析与报告,为两地区明确癌症疾病谱特征及相关负担、有针对性地建立并完善癌症防控工作策略提供了详实的数据。2012-2018年河南省滑县与广东省汕头市参保全人群的年龄分布 (高参保率及稳定、详实的人口分布数据使MIS-CASS实现“全人群覆盖”)2018年河南省滑县与广东省汕头市男、女性主要恶性肿瘤发病例数及发病率 (医保数据的“实时性”与“高质量”使MIS-CASS的发病数据报告延迟缩短至6个月)2014-2018年河南省滑县与广东省汕头市男、女性主要瘤种发病率变化趋势 (MIS-CASS敏锐地捕捉到了滑县开展乳腺癌筛查引起的发病率“突增”)2018年广东省汕头市食管癌发病率地域分布特征 (MIS-CASS报告显示,汕头市整体食管癌发病水平不高,但内部地域差异明显,地处东北、四面环海的南澳岛为高发区域,西南方向渐呈下降趋势)我国《“十三五”规划(2016~2020)》和《“健康中国2030”规划纲要》均提出,要推进健康大数据在各相关部门间的整合、共享、挖掘和应用。该项工作将医保系统创新性地与癌症发病监测工作相结合,建立了基于医保大数据监测癌症发病的MIS-CASS模式。经评估,该模式具有区域内全人群覆盖、数据质量高、报告延迟短、运维成本低等优点。在信息化与大数据时代背景下,为我国癌症及其他重大慢性非传染性疾病的监测与登记工作提供了有益经验和发展方向。
北京大学
2021-04-10
大数据
人工智能预测近视眼发展
利用十年百余万次的近视眼医学验光大数据,揭示出真实世界青少年近视眼发生、进展与稳定的规律。在此基础上,运用随机森林算法进行机器学习,建立人工智能预测系统,可对近视进展趋势进行个体化预测,3年内准确率达90%,10年内准确率达80%以上,也可提前8年有效预测高度近视,为近视眼的精准干预提供了科学依据。开发出一套人工智能云平台,提供高效的近视预测服务。通过访问智能平台,输入前后两次检查的年龄和度数(间隔至少一年),即可预知10年内的近视度数变化与高度近视风险。 中山眼科中心近年来对近视眼进行了系统性的研究,不断取得突破,产生了重大的社会影响和意义。
中山大学
2021-04-13
交互式
大数据
处理与分析技术
1.痛点问题 多年来,工业大数据领域大数据分析算法和模型都是基于大量代码实现,效率低,难以实现快速开发。同时,工业大数据处理分析模型处理过程多由多个算法通过一定的计算流程构成,计算流程复杂多变,迫切需要一款支持灵活定制和快速开发的处理分析技术来支持工业大数据处理分析。 2.解决方案 清华数为交互式大数据处理与分析技术针对工业大数据处理与分析任务的交互式探索、建模、调试和应用而设计。根据CRISP-DM设计原则,一般大数据处理与分析分为业务理解、数据理解、数据准备、建模、评估和部署等阶段,各阶段相辅相成,形成一个大数据处理分析生命周期。 图1.交互式大数据处理与分析技术设计思想 本成果技术基于上述CRISP-DM的设计思想而设计,完全支持大数据处理与分析生命周期。该技术的特点包括: (1)内置数百种通用和专用的大数据分析算法和模型,并提供了按需扩展机制,用户可以按照自己的需要随时添加和扩充,以支持客户特定的大数据应用需求; (2)支持拖拽方式构建处理与分析流程,完全图形化设计大数据处理分析计算流程,并能在设计过程中进行单步/多步运行调试,查看中间结果,实时调整运行结果,以获得用户期望的处理分析结果; (3)支持机器学习模型训练及使用,内置了机器学习模型训练框架,一般机器学习模型在该技术的支持下,可以实现快速训练,训练结果可支持进一步的大数据处理与分析; (4)支持数据处理与分析流程参数化,在其提供的内部数据处理与分析算法模板中,用户通过算法模板可以开发面向Java、Python的算法,并集成和扩展到该技术的算法集合,实现按需定制处理分析; (5)支持数据画像和学习模型可视化,以图形化的方式定制数据画像的方法模型,并以二维和三维图表的形式展示给用户; (6)支持批处理、流处理和流转批处理三种处理方式; (7)按需定制运行计划与资源有效利用,用户可设置任务执行计划,任务执行计划定期运行,以实现周期性处理分析,方便获得持续的运行结果。 清华数为交互式大数据处理与分析技术面向多种用户角色,包括数据工程师、数据分析师、数据科学家、算法工程师、运维工程师、代码工程师等。采用分层设计,分为客户层、服务层、计算层。 客户层包括流程建模调试工具,用户可用工具图形化拖拽式设计处理与分析计算模型,并可进行调试和查看中间结果;管理工具,针对服务层所调用和访问的计算框架或者外部系统进行管理,包括对于数据源、计算环境、存储环境等的管理工具。 服务层主要包括流程调度服务,即负责按照用户所设定的工作计划来定时调度执行计算模型;执行服务,是负责执行处理分析计算的模型和算法的服务;计算资源管理服务负责管理执行服务中所能集成的所有的服务,如计算框架和存储设施等。 计算层是执行服务在执行处理分析算法和模型中所访问的外部服务,包括计算组件或框架,以及持久化存储组件或者系统等。 图2.交互式大数据处理与分析技术架构 本成果的交互式处理与分析技术较好地解决了工业大数据处理分析工作中所遇到的问题和痛点,并且能够广泛应用于多个行业和领域中,如能源、矿山、医疗器械、装备制造业、消费品制造业、工程机械行业等。 合作需求 期待与工业、医疗等领域企业紧密合作,获得各领域的实际需求,促使该技术不断完善和升级迭代,走向成熟。 未来将在工程机械行业、医疗机械行业、矿山行业、装备制造行业、互联网电商行业等寻求更多的成果转化、深度合作机会,在合作基础上,推动上述行业领域实现数字化转型和智能化升级,为国家实现“双碳”目标做出清华贡献。
清华大学
2022-04-25
中潮教育——教育
大数据
和产教融合
湖北中潮教育科技集团有限公司(简称“中潮教育”)是一家基于教育大数据和产教融合理念,通过教育内容研发与创新,充分利用移动互联网和信息技术的手段,打造商学类、管理类、法律类、党建类、人文类专业、职业与行业的课程体系,为各类企业、事业和政府组织建立特色化的职业技能提升学习系统,帮助社会大众提升职业素质,培养学习型组织,实现利用互联网平台传授知识、传播思想、传承文化的教育企业。
湖北中潮教育科技集团有限公司
2022-07-26
大数据
交易应当重视和研究的几个问题
《大数据交易应当重视和研究的几个问题》指出,为了保证交易数据来源的正当性和交易主体的合法性,为了有效克服大数据交易中的问题和风险,对于数据这种新型特殊财产的权属、开发利用及流转的特殊规律应当抓紧研究,相关制度建设要及时跟进。该报告建议从两方面入手:一是从私法角度明确数据的财产性质及其权属分配规则。在充分保护人格权和商业秘密的基础上,将数据产权按价值贡献在被采集者、采集者以及数据加工者等相关主体之间进行合理分配。二是从公法角度明确关于数据采集、加工,大数据产品的开发、流转等的监管规范。要明确数据的采集和利用不得违背公认的社会道德和善良风俗;在不损害相关主体的合法权益和公共利益的前提下,推动政府数据公开共享;禁止有可能威胁国家安全的跨境数据流动。
中央财经大学
2021-02-01
新冠病毒
大数据
交叉学科研究平台
日前,国防科技大学系统工程学院大数据与复杂网络研究团队同四川大学、电子科技大学一起,组建新冠病毒大数据交叉学科研究平台,助力新型流行病研究和防控,给多个省份和国家有关部委等提供了8份数据分析报告和决策建议报告,为防控和战胜疫情贡献出了科学智慧。国防科技大学系统工程学院大数据与复杂网络研究团队基于新冠病毒大数据交叉学科研究平台,利用海量多源异构大数据,结合疫情发生发展规律,对人群流动及传播风险进行了综合建模和分析,为政府决策提供了参考依据。特别是团队通过分析春运期间人口流动大数据,建立起疾病传播模型,测算出了疫情扩散蔓延阶段武汉市向全国各地区的输出人口状况和新冠病毒感染的风险指数。还有许多研究人员尝试通过客运数据,研判各个地区及城市的感染风险。也有学者采用“百度迁移”所提供的人口流动数据,通过春运期间从武汉流向全国各省市的人口规模(不包含港澳台数据)和全国感染病毒人数的可视化分布,直观解读两者间的联系。同时加以推断,武汉封城之后,二次传染所造成的病毒传播将日趋占主导地位,传播程度和各省市的人口密度以及管控措施等密切相关。
电子科技大学
2021-04-10
基于
大数据
的能源互联网能量管理系统
随着电网数据规模越来越大,所蕴含的价值也越来越多。清华大学信研院研发了基于机器学习方法的能源互联网能量管理系统,主要功能为对电网的稳定性进行预测和可视化。系 统分为训练部分和预测部分。训练部分通过历史数据进行机器学习,建立一个电压稳定性的 分类器。分类器训练完成后,再对新增的未知数据进行预测。训练部分主要分为特征提取、 类别标记、特征压缩、分类器类型选择。预测部分主要分为分类器数据启动阶段和预测输出 阶段。本系统提出利用机器学习方法对电网电压稳定性进行预测,进一步综合多个节点给出 电网态势感知的评估结果。在训练每一个节点分类器的时候,本系统将特征选取的时段和预 测时间节点拉开,形成一种延时的预测方法,本发明对复杂系统有着更好的还原效果。2 应用说明本系统实施电压稳定性预测的具体步骤为:步骤 1:通过部署在关键测点的同步相角测量单元 PMU 采集电网实时数据,所述 实时数据包含电网中每个关键测点的电压 U、 有功 P、无功 Q、电流 I;分别计算 U 的衍 生量 dU/dt,Q 的衍生量 dQ/dt,电压的变化 量比上无功的变化量的衍生量 dU/dQ,用这 些衍生量作为特征,来表征量的时间变化速 率;步骤 2:对步骤 1 中提取的特征进行数 据降维与压缩;根据特定时刻电压 U 是否恢 复到标准值的 0.8 倍来区分每组样本组是否 稳定,用 0 标记稳定,用 1 标记不稳定;步骤 3:选择分类器,建立一个电压稳 定性的分类器;步骤 4:训练分类器;当分类器训练完 成后,将训练好的参数储存起来;步骤 5:进入预测部分的数据启动阶段, 填充特征矩阵,没有输出;步骤 6:把多个节点的特征按照顺序排列,形成特征矩阵;特征矩阵填充完成后, 根据分类器给出的预测结果;特征时段向前滑动,最初的特征被抛弃,新特征补充在队尾, 分类器持续给出预测结果;步骤 7:每隔一定时间间隔 ,要把新收集来的数据与以前的数据一起,重新回到步骤 4 训练分类器,更新参数。在具体系统搭建过程中,我们充分利用现有机器学习平台。其中 Hadoop 的文件管理系统 HDFS 负责数据存储;Spark 负责模型训练;Storm 负责在线预测;Kafka 负责在 Storm 和Hadoop 之间传递更新后的模型参数。
清华大学
2021-04-11
首页
上一页
1
2
...
5
6
7
...
65
66
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