|
搜索
搜 索
高等教育领域数字化综合服务平台
西安交大科研团队将人工智能技术成功应用于离心压缩机完全空间曲面叶轮的优化设计
西安交通大学席光教授课题组成功将人工智能三维图像识别技术应用于离心压缩机的优化工作中，并与沈阳鼓风机集团股份有限公司合作完成了国际上首个完全三维离心叶轮的优化设计及试验验证工作。
西安交通大学
2023-02-02
安徽大学地理空间大数据人工智能团队在无缝全天候地表温度数据研究上取得新进展
由于受到云、气溶胶等不利天气的影响，基于热红外遥感反演的地表温度数据存在空间不连续问题，阻碍了地表温度产品的实际应用。
安徽大学
2022-06-01
浙江省科学技术厅等12部门关于印发《浙江省加快推动“人工智能+科学”创新发展行动计划（2025-2027年）》的通知
到2027年，浙江初步建成“人工智能+科学”算力底座、数据底座、模型底座，全面优化面向科学研究的人工智能要素供给，推动人工智能在三大科创高地重点领域的深度融合应用，突破一批“人工智能+科学”关键理论和技术，培育4个以上“人工智能+科学”领域基础模型，打造8个以上“人工智能+科学”标杆应用场景，形成20个以上“人工智能+科学”数据知识产权典型案例，赋能1000家以上科技型企业，显著提升科学研究效能，构建具有全球影响力的人工智能赋能科学研究高地，抢占新兴产业和未来产业制高点。
浙江省科学技术厅
2025-07-17
江西省科技厅关于发布2022年度重大科技研发专项“揭榜挂帅”（人工智能交互终端设备、高端智能传感器）榜单的通知
按照省委、省政府工作部署和科技体制改革攻坚三年行动的要求，改进科技项目组织管理方式，经研究决定，启动实施2022年度重大科技研发专项“揭榜挂帅”（人工智能交互终端设备、高端智能传感器）项目，现公开发布榜单，征集遴选揭榜方（以下统称项目申报单位、申报人）。
江西省科技厅
2022-10-25
基于智能环境感知的车辆安全辅助驾驶系统
该项目主要应用于车辆安全辅助驾驶领域，可以在车辆有危险趋势时及时向驾驶员提供警告信息，减少或避免可能发生的交通事故，也可以应用于车辆的辅助驾驶和智能自动导航领域。该项目利用灰度图像中道路边缘处存在的灰度特征、梯度特征作为识别道路的特征，运用群智能算法实现对道路边界的快速识别，最终得到车辆行驶道路信息。根据道路识别结果，利用前方车辆在图像中底部边缘存在灰度特征、方差特征和梯度特征，运用鱼群算法实现对前方多车的快速识别。项目采用转向动力学连续模型，车辆前轮转角和道路曲率作为系统输入，根据系统的采样频率将连续模型离散化，运用Kalman滤波理论设计状态观察器，实时观测前方车辆侧向速度和横摆角速度，从而获得车辆运动轨迹，为安全辅助驾驶系统提供准确信息。
该项目对车辆安全辅助驾驶系统提供信息的频率在5Hz之内。在复杂情况下通过使用本项目研究的系统进行车道识别，其准确率大于95%。该项技术于2009年初成功应用于新疆冰雪灾害防护系统的养护车辆智能辅助驾驶系统中，该系统由北京中交国通智能交通系统技术有限公司负责建设，采用该技术大大提高了复杂冰雪环境下道路识别和前方车辆识别的可靠性和实时性，同时增强了在不同光照等复杂环境下的适应性。该技术应用后，有利于避免和减少道路交通事故发生的可能性，保障车辆行驶安全，取得了良好的社会效益。
燕山大学
2021-05-04
新型冠状病毒肺炎智能辅助诊断系统
新冠肺炎疑似病例基数庞大，给临床一线诊疗带来巨大压力，疫情波及地域广泛，基层医院缺乏经验，面临严峻挑战。由清华大学精密仪器系尤政院士、临床医学院董家鸿院士领导研发的新型冠状病毒肺炎智能辅助诊断系统成功通过应用测试，进入临床试用阶段，有望为上述难题提供解决方案。新型冠状病毒肺炎智能辅助诊断系统董家鸿介绍，新型冠状病毒肺炎智能辅助诊断系统可同步实现智能化影像诊断、临床诊断及临床分型三大功能。该系统包括三大模块，其中影像诊断模块主要基于对新型冠状病毒肺炎初诊病例的珍贵临床资料的大数据分析，使用人工智能算法深度学习该疾病的CT影像特征，实现对新型冠状病毒肺炎影像的智能识别。临床诊断模块则依据卫健委发布的《新型冠状病毒感染的肺炎诊疗方案(试行第五版)》，结合影像与流行病学、症状及关键检验数据等临床信息，实现智能诊断。临床分型模块通过智能判读呼吸功能参数，“自适应”判断新型冠状病毒肺炎的严重程度。董家鸿谈到，该系统可在短时间内完成大量疑似病例的胸部CT筛查、依据指南进行临床与影像相结合的综合分析，显著提升新型冠状病毒肺炎诊断效能，有望大幅降低临床医师及影像医师的工作负荷。
清华大学
2021-04-10
新冠肺炎影像学AI智能辅助诊断研究
“现阶段医生需要在大量影像数据中快速诊断出新冠肺炎的病例，此外还需要诊断出病灶分布的位置、大小等来评估严重程度。”薛向阳介绍，针对临床的现实需求，团队将设计目标定位于“肺炎分类鉴别”和“关键病灶检测”两大功能，前者是为区别健康状态、新冠肺炎、其他病毒性肺炎、细菌性肺炎，后者则为找到并分隔出磨玻璃影等病灶区域。针对这些需求，团队设计诊断算法模型，让机器利用模型进行训练，学习不同类型肺炎在CT影像表现上的不同特征，最终具备智能辅助诊断的能力。而这需要突破小样本学习、小目标检测等多个技术难题。“小样本学习”即在较少训练数据样本的条件下进行机器学习。在疫情发生前期，能够获取的新冠肺炎影像数据相对较少，且由于一线影像医生任务繁重，无法获得大量专家标注，因此需要算法在少量样本的条件下“自学成才”。为此，团队采用基于自迁移学习的半监督学习等技巧，使算法具备一定的“小样本学习”能力，在不增加医生标注工作量的情况下较好地提高了算法模型的普适性。由于CT影像切片中的病灶区域有大有小，且往往大中小病灶区域面积悬殊，如何使算法能同时检测大、中、小各个目标是另一大难题。团队利用神经网络的层次性特点与病灶区域的大小进行对应，“网络的底层关注细节，即小病灶区域，而网络中层到高层所关注的病灶区域则越来越大，因此模型通过不同层次的加权和融合，最终便能达到同时检测大小病灶区域的目标。”薛向阳解释道。“不过，即便有诊断‘神器’，影像科医生也是不可替代的。”薛向阳说，人是复杂的机体，病毒在不同人体内感染的反映也不一定相同。”他表示，当遇到机器未曾学习过的微小病变或疑难病例时，仍需要影像医生的经验和智慧。以解决实际问题为目标，该项目在研究过程中始终与临床应用紧密结合。无论是机器学习数据，还是测试评估数据，都来源于临床真实病例。在算法模型定型过程中，为了检验模型的准确率和泛化性，团队也利用现实疑似病例进行了测试。
复旦大学
2021-04-10
白内障病变智能检测与分级辅助诊断技术
本研究为信息技术与医学的有效交叉与深度融合，将计算机视觉与人工智能技术无缝介入白内障诊疗过程的各个阶段:从健康筛查、识别病变、分级判断并推荐治疗方案，到最后判断治疗完成后的病患改善程度等，可完美解决白内障诊断及相关医疗服务所面临的高强度、低准确度和供给失衡的问题，实现多种类型白内障图像的智能检测与分级辅助诊断系统，具有高性能、高鲁棒性等优势，并可推广至其他多种AI医疗图像领域。本课题组与四川省人民医院有多年合作关系，可将该系统全面覆盖西部地区从省、地、市到县等多级不同条件的医疗机构，同时不断丰富病症表观多样性和扩大图像数据规模，为研究的深入开展及性能的提高完善创造更为有利的条件。
电子科技大学
2021-04-10
一种温控型智能辅助供液系统
本发明公开了一种温控型智能辅助供液系统，包括设有入口管和出口管的装置主体，包括：设置在装置主体内的弹性输液管以及挤压在弹性输液管外壁的挤压杆，该弹性输液管两端分别与入口管和出口管对应导通；驱动挤压杆转动的驱动机构，所述挤压杆转动时能够驱使弹性输液管内液体从入口管向出口管流动；用于检测待输送液体温度的温度传感器；接收的所述温度传感器的温度信号，根据温度信号大小对所述驱动机构进行控制，实现对挤压杆转速的控制。本发明具有结构简单，工作可靠，能够智能控制血液流动，流量稳定，流量调节范围大，产生血压高，外形尺寸小，能植入到动物体内，具有良好的生物兼容性等特点。
浙江大学
2021-04-13
关于发布可解释、可通用的下一代人工智能方法重大研究计划2024年度项目指南的通告
该重大研究计划面向以深度学习为代表的人工智能方法鲁棒性差、可解释性差、对数据的依赖性强等基础科学问题，挖掘机器学习的基本原理，发展可解释、可通用的下一代人工智能方法，并推动人工智能方法在科学领域的创新应用。
国家自然科学基金委
2024-03-15