医疗内窥镜是目前常用的一种临床诊断工具，尤其对于消化科的医生而言，他们通过内窥镜能直接观察到人体消化器官内部的病变情况，如溃疡、肿瘤等，甚至还可以利用内窥镜进行微创的外科手术，在医学界应用广泛。与放射科的阅片相比，消化内镜是消化道病变筛查和诊断的金标准，也是微创和无创治疗的主要手段。 由一款围棋人工智能程序AlphaGo(阿尔法围棋)开始，人工智能开始走进大众的视野。世界范围内对其的广泛讨论预示着人工智能时代已经到来。随着深度学习算法不断发展、日益成熟，人工智能已逐步用于医疗影像分析领域。近年来，关于内窥镜影像在AI领域的发明成果如潮水般涌现。 在内镜检查中，操作医师将抓取的图像和视频保存到内镜报告系统中，再由诊断医生根据这些抓取的影像出具诊断报告。由目前公开的内窥镜影像收集归纳系统中，尚未利用深度学习的方法来进行胃、肠的内窥镜影像学习，进而构建一个较为全面的内窥镜影像的样本库。目前的方法不利于简化医生的操作且不具有数据归一化处理和转换能力，无法根据数据适用范围的不同对数据进行管理和提供智能的数据分析功能。 一种人工智能扫描内窥影像样本库管理系统包括以下模块：图像输入模块，用于收集内窥镜图片；按官方标准，将胃部或者肠部内镜视野分成多个部位，通过人工智能系统对从医院内窥镜系统采集的图像进行预分类，并将影像数据上传至系统指定文件目录；登陆模块，用于在注册医生登录系统进入当前功能菜单后，对图片进行评图，确认该图片类别是否正确；系统主控界面，用于进行人机交互，并对图像进行显示；业务功能模块，包括：图像分类单元、视频库单元、病灶标记单元、我的任务单元、用户信息单元；系统设置模块，用于管理用户与权限。本发明界面美观友好、信息查询灵活方便；对上传影像数据智能分类，减少医生操作，只需最终确定。 本系统产生的价值在于： 一、界面美观友好、信息查询灵活方便； 二、对上传影像数据智能分类，减少医生操作，只需最终确定； 三、数据库管理模块，具有数据归一化处理和转换能力，根据数据适用范围的不同对数据进行管理，提供智能的数据分析功能； 四、集成第三方标记工具，标记过程简单清晰，结果数据稳定可靠； 五、用户权限设置合理，系统安全级别高； 六、防错退出模式，保证系统安全稳定运行。

本发明提供了一种定制个体化人工全髋关节置换手术股骨制备模板系统，包括股骨颈截骨导向板和股骨假体前倾角及外侧缘导向板，股骨颈截骨导向板的内表面与股骨头、股骨颈及股骨大小转子间区的解剖形状吻合，股骨颈截骨导向板上开设有截骨定位槽，股骨假体前倾角及外侧缘导向板的底部形状与股骨颈截骨面吻合，股骨假体前倾角及外侧缘导向板包括体部、设置在体部上的小转子定位翼和前侧翼，体部上开设有前倾角及外侧缘导向槽。本发明能够精确控制理想的人工全髋关节股骨假体在体内的位置，进而改善手术效果。

本发明公开了一种反馈型人工神经网络训练方法及计算系统, 属于神经网络计算领域。一种人工神经网络训练方法，突触权重根据 神经突出两端的前馈信号和反馈信号调整，当神经突出两端分别为兴 奋前馈信号和兴奋反馈信号时，该突出权重调整到最大值，当神经突 出两端分别为静息前馈信号和兴奋反馈信号时，该突出权重调整到最 小值；一种反馈型人工神经网络计算系统，节点电路包括计算模块、 前馈模块和反馈模块，节点电路通过忆阻器模拟的神经突出相

项目成果/简介:医疗内窥镜是目前常用的一种临床诊断工具，尤其对于消化科的医生而言，他们通过内窥镜能直接观察到人体消化器官内部的病变情况，如溃疡、肿瘤等，甚至还可以利用内窥镜进行微创的外科手术，在医学界应用广泛。与放射科的阅片相比，消化内镜是消化道病变筛查和诊断的金标准，也是微创和无创治疗的主要手段。由一款围棋人工智能程序AlphaGo(阿尔

项目概况 该静态模型提供了一个融建筑平台、空调设备、中央空调系统于一体的、具有自由拼装搭接功能的实时教学环境、产品展示平台。 本项目处于国内先进水平，拥有自主知识产权。主要特点 该模型将平台、设备及系统融为一体。具有三大部分： （1）建筑平台。我们认为，建筑平台与中央空调系统是一个有机的整体，离开建筑平台谈中央空调，有如无水养鱼，这正是市面上诸多空调模型的弊端所在。 我们提供的建筑平台以建筑的梁、柱、墙体等为基本部件，按建筑模数等比例制作，部件之间采用了拼装结构，可拼出任意种建筑形式。让学生在自由拼装中了解建筑知识。 （2）设备模型。包括了中央空调从主机到末端的各类设备的实体静态模型。各模型均按主流品牌的设备外形等比例制作，效果逼真，接口清晰。 （3）系统搭建。利用上述建筑平台、设备模型，以及配套的管材、配件，学生可自行搭建各类中央空调系统。 系统可用于教学，也可用于产品展示。 技术指标     模型按建筑模数等比例制作，通用接口，观察、搭接方便、实用性强，可反复使用。是一种新颖的教学和产品展示平台。市场前景     近年来在部分教学活动中使用，赢得了众多客户的信任和支持，具有良好的市场前

业界首个针对AI在极端和对抗环境下的算法安全性检测与加固的工具平台“对抗样本”成新型病毒，算法安全问题亟待解决随着人工智能技术的高速发展，人工智能在诸多场景正逐渐替代或协作着人类的各种劳动，它们可以成为人类的眼睛、耳朵、手臂甚至大脑。其中，机器视觉作为AI时代的基础技术，其背后的AI算法一直是各科技巨头和创业公司共同追逐的热点。然而在机器视觉诸多主流应用场景的背后，往往也藏着由技术性缺陷导致的算法安全风险。例如，在一些训练数据无法覆盖到的极端场景中，自动驾驶汽车的识别系统可能出现匪夷所思的决策，危害乘车人的人身安全。从2016年至今，Tesla、Uber等企业的辅助驾驶和自动驾驶系统就都曾出现过类似致人死亡的严重事故。并且这类极端情形也可能被恶意制造并利用，发动“对抗样本攻击”，去年7月，百度等研究机构就曾经通过3D技术打印出能让自动驾驶“无视”的障碍物，让车辆面临撞击风险。而以上攻击之所以能成功，主要是机器视觉和人类视觉有着很大的差异。因此可以通过在图像、物体等输入信息上添加微小的扰动改变(即上述故意干扰的“对抗样本”)，就能导致很大的算法误差。此外，随着AI的进一步发展，AI算法模型将运用金融决策、医疗诊断等关键核心场景，这类AI“漏洞”的威胁将愈发凸显出来。近年来，包括清华大学人工智能研究院院长张钹院士、前微软全球执行副总裁沈向洋等均提倡要发展安全、可靠、可信的人工智能以及负责任的人工智能，其中AI的安全应用均是重点方向。而且，AI安全作为新兴领域，在开源社区、工具包的加持下，对抗样本等攻击手段日益变得复杂，相关防御手段的普及和推广却难以跟上。并且对抗样本等算法漏洞检测存在较高的技术壁垒，目前市面上缺乏自动化检测工具，而大部分企业与组织不具备该领域的专业技能来妥善应对日益增长的恶意攻击。从安全测评到防御加固，RealSafe让AI更加安全可控就如网络安全时代，网络攻击的大规模渗透诞生出杀毒软件，RealAI团队希望通过RealSafe平台打造出人工智能时代的“杀毒软件”，帮助企业高效应对人工智能时代下算法漏洞孕育出的“新型病毒”。目前，RealSafe平台主要支持两大功能模块：模型安全测评、防御解决方案。其中，模型安全评测主要为用户提供AI模型安全性评测服务。用户只需接入所需测评模型的SDK或API接口，选择平台内置或者自行上传的数据集，平台将基于多种算法生成对抗样本模拟攻击，并综合在不同算法、迭代次数、扰动量大小的攻击下模型效果的变化，给出模型安全评分及详细的测评报告(如下图)。目前已支持黑盒查询攻击方法与黑盒迁移攻击方法。防御解决方案则是为用户提供模型安全性升级服务，目前RealSafe平台支持五种去除对抗噪声的通用防御方法，可实现对输入数据的自动去噪处理，破坏攻击者恶意添加的对抗噪声。根据上述的模型安全评测结果，用户可自行选择合适的防御方案，一键提升模型安全性。另外防御效果上，根据实测来看，部分第三方的人脸比对API通过使用RealSafe平台的防御方案加固后，安全性可提高40%以上随着模型攻击手段在不断复杂扩张的情况下，RealSafe平台还持续提供广泛且深入的AI防御手段，帮助用户获得实时且自动化的漏洞检测和修复能力。准确度99.99%也难逃被“恶意干扰”，RealSafe高效应对算法威胁 考虑到公众对于对抗样本这一概念可能比较模糊，RealSafe平台特意选取了公众最为熟知的人脸比对场景(人脸比对被广泛用于金融远程开户、刷脸支付、酒店入住登记等场景的身份认证环节)提供在线体验。并且，为了深入研究“对抗样本”对人脸比对系统识别效果的影响，RealAI 团队基于此功能在国内外主流 AI 平台的演示服务中进行了测试。实测证明，“对抗样本”可以极大的干扰人脸比对系统的识别结果，而测试的这几家互联网公司平台开放的人脸比对API或SDK，几乎覆盖了目前市面上很多中小型企业在落地人脸识别应用时的选择，如果他们的人脸比对技术存在明显的安全漏洞，意味着更广泛的应用场景将存在安全隐患。因此，为了帮助更大范围内的企业高效应对算法威胁，RealSafe平台具备以下两大优势：·  组件化、零编码的在线测评：相较于ART、Foolbox等开源工具需要自行部署、编写代码，RealSafe平台采用组件化、零编码的功能设置，免去了重复造轮子的精力与时间消耗，用户只需提供相应的数据即可在线完成评估，学习成本低，无需拥有专业算法能力也可以上手操作。·可视化、可量化的评测结果：为了帮助用户提高对模型安全性的概念，RealSafe平台采用可量化的形式对安全评测结果进行展示，根据模型在对抗样本攻击下的表现进行评分，评分越高则模型安全性越高。此外，RealSafe平台提供安全性变化展示，经过防御处理后的安全评分变化以及模型效果变化一目了然。从数字世界到物理世界 RealAI落地更多安全周边产品随着机器学习模型不断的升级演化，“对抗样本”已经演变成一种新型攻击手段，并且逐渐从数字世界蔓延到物理世界：在路面上粘贴对抗样本贴纸模仿合并条带误导自动驾驶汽车拐进逆行车道、胸前张贴一张对抗样本贴纸在监控设备下实现隐身……因此，除了针对数字世界的算法模型推出安全评测平台，RealAI团队也联合清华大学AI研究院围绕多年来积累的领先世界的研究成果落地了一系列AI攻防安全产品，为更多场景保驾护航。比如通过佩戴带有对抗样本图案的“眼镜”，黑客可以轻易破解商用手机的面部解锁，通过在胸前张贴特制花纹实现在AI监控下的“隐身”，以及通过在车辆上涂装特殊花纹躲避AI对车辆的检测。发现类似新型漏洞的同时，RealAI也推出相应的防御技术，支持对主流AI算法中的安全漏洞进行检测，并提供AI安全防火墙对攻击AI模型的行为进行有效拦截。人工智能的大潮滚滚而来，随之而来的安全风险也将越来越多样化，尤其近年来因AI技术不成熟导致的侵害风险也频频发生，可以说，算法漏洞已逐渐成为继网络安全、数据安全后又一大安全难题。所幸的是，以RealAI为代表的这些顶尖AI团队早已开始了AI安全领域的征程，并开始以标准化的产品助力行业降低应对安全风险的门槛与成本。此次上线RealSafe人工智能安全平台是RealAI的一小步尝试，但对于整个行业而言，这将是人工智能产业迈向健康可控发展之路的一大步。

  肠癌合并同时性腹膜转移（PC）的发病率约为5-10%，复发时合并腹膜转移发病率为25-44%。“腹膜转移如果能够早期诊断，可以增加彻底减瘤手术的机会，未来能够明显延长肠癌患者的生存期。”王辉教授说。2018年团队和深圳腾讯AI lab建立了合作关系，研发一个基于卷积神经网络（CNN）的ResNet3D系统。经查，这是世界上第一个诊断肠癌腹膜转移的AI平台，能够自动识别原发肿瘤特征，同时提取肿瘤临近腹膜的影像学特征，构建基于人工智能的SVM分类器。训练组一共纳入了19814张CT图像，验证组包括了7837张CT图像。    研究发现，ResNet3D的AI系统仅需花费34秒就自动识别并诊断了所有验证图像。“ResNet3D+SVM分类器”的肠癌腹膜转移诊断的准确性高达94%，AUC为0.922，敏感性和特异性均高达94%，明显优于常规增强CT的诊断能力。

本在线专业培养项目，旨在坚持立德树人的基础上，培养在“人工智能+X”方向上掌握坚实的基础理论与系统的专门知识，具有从事科学研究、独立担负专门技术工作能力和掌握产业应用基本技能的专门人才。 课程体系设置上体现“融”与“新”，突出“人工智能+X”的学科融合，力争将科研成果、产业应用现状及时转化为教学内容。课程设置强调人工智能专业知识与各行业领域的交叉与融合，注重知识累积的循序渐进，既强调基础理论课程的系统性，又突出学科最新交叉应用成果和发展动向，课程力求内容新颖，能够激发广大青年学习者进一步学习的兴趣。

1 成果简介我国山区河流众多，许多河流的河床侵蚀下切，并以溯源冲刷方式传播到上游沟谷，引起沟坡增大，岸坡失稳和整个流域的土壤侵蚀，在汛期暴雨作用下，常常引发崩塌、滑坡和泥石流等自然灾害。阶梯深潭系统是山区河流中常见的一种河流地貌形态，由一段陡坡和一段缓坡相间组成，在纵剖面上呈阶梯状。天然阶梯深潭系统是在水流冲刷过程中自然形成的，是一种增加河床阻力、消减水流能量、抑制河床侵蚀下切的健康河床结构，这种结构在自然界具有较大的稳定性。然而，自然发育阶梯-深潭系统往往需要经过较长的时间，在具备一定条件的山区河流，模仿天然阶梯深潭系统建造人工阶梯深潭系统，也可以取得控制河流下切、避免或减少地质灾害的效果。自 2006 年开始，清华大学先后在云南、四川、甘肃等省，开展了人工阶梯深潭系统在山区河流治理方面的野外试验研究。研究成果显示，人工阶梯深潭系统不仅能够有效地控制河流（沟谷）下切、改善河流生态环境，对于泥石流灾害也具有明显的防治作用。目前，对于阶梯深潭系统发育程度（河床结构强度）的研究正在进一步量化；同时研制了一批专用的测量工具，如用于测量河床结构的“ 河床结构测量排” 、用于阶梯深潭系统流速场测量的“ 湍流脉动流速仪” 等；阶梯深潭系统的消能减灾机理研究正在不断深入。通过对阶梯深潭系统生物栖息地多样性的定量研究，采用大型无脊椎底栖动物对山区河流的生态多样性进行评价，为山区河流生态评价量化指标体系的建立奠定了基础。  治理前                                              治理后生态条件改善，河床稳定 图 1 吊嘎河人工阶梯深潭治理前后  修建前沟道内碎石散乱                            修建后沙石沉积水沙分离，控制了泥石流发生 图 2 建造人工阶梯-深潭系统前后的文家沟  汛期前                                                  汛期后阶梯深潭系统泥沙淤埋 图 3 拦山沟人工阶梯-深潭系统治理汛期前后2 应用说明实例 1：云南东川市吊嘎河（小江流域支流）人工阶梯深潭方法试验。近年来吊嘎河的河床下切迅速，同时带来了一系列的地质灾害与生态环境问题。 2006 年，课题组在吊嘎河设立了试验站，开展了人工阶梯深潭方法试验研究。试验结果表明，试验段水面面积有所增大，河床底质、水深和流速多样性也得到提升，河床侵蚀下切得到有效控制，维持了较为稳定的河床环境。人工阶梯和深潭段的河床底质、流速和水深环境交替出现，在空间层次上塑造了富于变化和多样性的水生动物栖息环境。对大型底栖无脊椎动物的采样及评价结果显示，人工阶梯深潭布置后，随着水生栖息地多样性增加，单位面积底栖动物密度、物种丰度及生物群落多样性指数均呈上升趋势，水生生态得到改善。吊嘎河的试验成果，还为 2009年以来采用人工阶梯深潭方法治理泥石流奠定了基础。 实例 2：四川省绵竹市清平乡文家沟滑坡堆积体泥石流治理方法试验。文家沟滑坡是汶川地震造成的第二大滑坡，滑坡堆积体总量达 8160 万方，文家沟内堆积体厚度达 20-180 米。2008 年暴雨在滑坡体上形成深达 50 米的 V 型冲沟，并引发了多次泥石流灾害。暴雨使沟床不断下切，两岸坡度变陡而坍塌，碎屑物进入水流就形成泥石流。 2009 年，课题组在文家沟滑坡体上的冲沟内建造了 33 级人工阶梯深潭对泥石流进行治理，取得了良好的效果。所建造的人工阶梯深潭试验工程虽然十分简易、单薄，但是工程造成的巨大阻力消减了水流能量，使沙石沉积、水沙分离，成功地控制了沟床下切，对于控制泥石流发挥了重要作用，避免了泥石流灾害的发生。 实例 3：甘肃省礼县拦山沟泥石流治理。长江上游白龙江、西汉水等流域是典型的干旱河谷，其特点是高原上深切宽阔河谷，河谷比周围高原明显干旱。区域内植被覆盖度低，由于长期干旱和风化，流域内积累了大量的土石碎屑，遭遇突发暴雨时可能发生滑坡和特大泥石流，对城镇和村庄造成极大威胁。甘肃武都地区礼县的拦山沟是西汉水的支流，由于沟谷深切，侵蚀极为强烈，泥石流常常发生，据调查沟口泥石流堆积泥沙约 170 万吨。 2009 年 6月课题组在拦山沟开展了泥石流治理试验，建造了 17 级人工阶梯深潭试验工程。试验结果表明，沟道在人工阶梯深潭系统的保护下不再下切，维持了沟岸的稳定，且阶梯深潭系统消散水流能量，使得泥石流不能起动，当年 6、 7、 8 月降雨 196.8 mm，其中最大日降雨量达31.9 mm， 拦山沟仅有不足 100 吨泥沙物质进入西汉水，达到了控制泥石流的目标。3 效益分析阶梯深潭系统发育较好的山溪常常伴随着良好的河流生态环境和优美的溪流景观，因此仿照天然的人工阶梯深潭系统常用于河流的生态修复与景观塑造，用于山溪森林公园建设可带来额外的休闲旅游经济收益。4 合作方式技术转让或合作开发，商谈。5 所属行业领域能源环境。

 本发明提供了一种定制个体化人工全髋关节置换手术髋臼制备模板系统，包括髋臼定位导向板、深度控制钻头和有色深度指示棒，髋臼定位导向板包括：卵圆窝定位板，根据卵圆窝解剖形状贴附于卵圆窝上；臼底定位板，设置在卵圆窝定位板的外缘上，根据髋臼解剖形状贴附于髋臼软骨面上；深度导向筒，设置在臼底定位板上，对深度控制钻头进行导向及深度限制；深度控制钻头通过深度导向筒在髋臼上钻孔，深度控制钻头的体部设置有突出钻头的限深环，深度导向筒将限深环限制在深度导向筒的端部。有色深度指示棒长度和钻孔深度相同，插入孔内提示深度和方向的作用。本发明模板系统可获得理想髋臼假体安放位置，从而对髋臼假体进行精确安放，进而改善手术效果。