|
搜索
搜 索
高等教育领域数字化综合服务平台
压电薄膜基声表面波煤矿瓦斯传感器关键技术
声表面波瓦斯传感器具有体积小、灵敏度高、工作稳定、生产成本低、易于集成化和无线化等独特优点，能够有效解决热催化式瓦斯传感器的零点漂移、定期维护难和维护费用高等问题，并且能弥补光学瓦斯传感器的占用空间大、传感占距长和传感分析复杂等不足，能有效提高煤矿瓦斯检测和预警技术，保证煤矿安全。成果获 2012 西安市科学技术奖三等奖；获批国家实用新型专利 1 项。
西安科技大学
2021-04-13
角膜塑形配镜AI芯片及系统
全球近视病发病率逐年增加,到2050年全球人口近一半的人口将患近视病。角膜塑形镜是-种非创伤性的近视治疗技术，在全世界得到广泛应用。仅在中国每年就有超过100万病人接受角膜塑形镜治疗。在角膜望形镜配镜过程中,由于参数组合众多,传统办法依赖于医生经验,因此配镜质量难以控制、效率不高、费时耗力。本成果是全球首个基于人工智能算法的角膜塑形配镜解决方案,实现了拥有完整自主知识产权的算法和芯片,比传统方法提高效率10倍以上，同时极大保证了配镜提高质量。本成果与“爱尔眼科集团”联合开发,临床测试的配镜准确率达90%以上。
电子科技大学
2021-04-10
云镜博物馆 AR 导览系统
东南大学
2021-04-13
02062数字式天文望远镜
宁波华茂文教股份有限公司
2021-08-23
一种双模态显微成像系统和方法
荧光显微成像是分子生物学研究的主要手段，然而由于激发光的高光子通量和光毒性，成像总次数受限，因而目前还未能全面揭露细胞内部细胞器的相互作用及动态过程。活细胞的高分辨长时程成像目前仍然是生物学研究中的巨大挑战，由于轴向扫描速度的限制，三维荧光成像需要更大的激发光子通量，而光漂白效应则极大限制了三维成像的总时长。同时，由于荧光光谱较宽，成像过程中通道数目受限，荧光成像一般仅能同时标记有限种类的分子。而电镜等辅助成像手段虽可观察多种细胞器，但仅能提供静态快照作为辅助。光学衍射层析显微成像具有光通量低，光毒性小的特点，可有效解决荧光成像遇到的问题。光学衍射层析成像系统中，先前的工作缺少荧光成像作为辅助，衍射层析图像中的多数结构缺乏标定，仅能进行形态学分析。传统光学衍射层析成像中，也仅对脂滴、染色体和线粒体进行了结合宽场荧光成像的鉴别标定。 北大研究团队提出一种结合光学衍射层析显微成像和结构光照明超分辨荧光成像的双模态显微成像方法，用超分辨荧光成像辅助光学衍射层析进行共定位成像。在双模态成像系统中，光学衍射层析成像具有优异的分辨能力，且无光毒性的限制，因而可以长时间、全面地记录细胞内各种细胞器间的三维相互作用动态；荧光成像模态可提供分子层面的化学特异性分辨能力，因此成为鉴别无标记成像模态成像结果的重要依据。利用光学衍射层析-结构光照明荧光双模态成像系统，可开展一系列的活细胞成像研究，并应用于病理诊断、药理分析、耐药性研究等。
北京大学
2021-02-01
量子相干控制超分辨荧光宽场显微成像
传统的光学显微系统受到阿贝衍射极限原理的限制，无法分辨尺度小于~200nm的事物，为了突破衍射极限，超分辨荧光显微技术应运而生，在生物成像等领域得到广泛应用。根据成像采集过程，超分辨方法主要可分为两类。一种是单分子定位显微方法（SMLM），通过荧光分子的光开关特性，孤立每个发光分子进行单独定位。此类方法具有不受衍射极限限制的特点，可以得到10-40nm的超高分辨率，但由于分子激活漂白的循环步骤使得采集速度和成像时间较慢。另一种是如结构光照明等宽场成像的超分辨显微技术，可以通过获得相邻区域/荧光分子间一定程度的响应差异来实现分辨率的提升。宽场成像的方法具有较高的时间采集效率，但由于同时激发视野内的全部分子，使得其分辨能力往往在100nm以上。目前还缺乏一种方法在理论上可以有效的兼顾宽场成像的时间采集效率和单分子定位方法的空间分辨率，因此亟需提出一种基于宽场成像对荧光分子高效调制的技术方案。 超分辨方法其本质都是通过识别单个荧光分子的独立的发射特性获得该分子的空间定位。如果可以对宽场成像中衍射极限以内各个发光分子荧光发射差异实现主动控制，则有可能获得更好的超分辨显微结果。近期，物理学院介观物理国家重点实验室极端光学研究团队提出了基于量子相干控制原理主动调制分子荧光发射而获得超分辨荧光显微的方法（SNAC），在宽场成像下实现了分辨率的提升。课题组在ZnCdS量子点体系下获得衍射极限范围内各个量子点的差异化激发。通过设计多个整形脉冲，单个ZnCdS量子点的荧光差异性会得到增强。课题组通过周期性改变整形脉冲和傅立叶增强提取荧光响应的差异。同时，主动控制的图像采集方案可以有效的抑制系统中不随调制周期变化的泊松随机噪声和CMOS工艺导致的固定噪声，极大的提升了信噪比。接着，利用独立开发的混合周期（Combination-FFT）和多高斯拟合定位算法获得最终的超分辨重建结果。研究模拟了邻近双点荧光发射的超分辨定位，其结果可以很好的分辨出低至50nm的相邻荧光分子。对于密集标记的线性结构，SNAC的分辨能力同样有显著性的提高，获得了30nm左右的径向定位精度。在量子点标记的COS7细胞样品的维管结构区域清晰的观测到了维管的平行取向和姿态排布以及纤维交叉区域的95.3nm的邻近双峰，显示出了比已有多种宽场超分辨方法更好的重建结果。这个研究将脉冲整形作为新的控制维度引入荧光超分辨，并将宽场超分辨成像技术的分辨率提升到了与单分子定位方法接近的50nm的水平。
北京大学
2021-04-11
一种显微层析成像方法与装置
1. 痛点问题
在常规显微系统中，宽视场与高分辨率不可兼得。此外，基于单光子照明的成像方式一般均不具有层析能力，极大地限制了其应用范围。
2. 解决方案
图1 完整宽视场、高分辨率成像示意图
本发明公开了一种显微层析成像方法与装置。包括：在投影器件上依次加载所需的各照明图案，利用光学中继透镜组以预设的缩放比例中继到样本面对相应子视场进行激发，子视场中被不同照明图案激发的荧光信号依次通过光学中继透镜组，并以预设的缩放比例中继到相机靶面，实现高分辨的子视场图像的获取；通过二维横向扫描器件使得光束在样本面上产生横向偏移，实现超大视场的不同子视场的结构光图像及其均匀光图像的获取（图1）；通过轴向扫描器件使光束在样本轴向产生偏移，实现对样本的轴向扫描；对获取的图像依次利用结构光层析算法、图像拼接算法、三维重建算法，最终得到三维光学层析图像。本发明具有宽视场、高分辨率及三维层析成像的性能。
合作需求
寻求在显微仪器领域有相关技术开发、市场推广经验，能推进本发明落地的高技术光电企业。
清华大学
2021-11-24
一种三色荧光显微成像系统
本发明公开了一种三色荧光显微成像系统，其包括三色激光合 束模块、第一二向色镜、物镜以及三色荧光成像模块；所述三色激光 合束模块用于将三种单色光合并成一束三色激光，投射在第一二向色 镜上；第一二向色镜反射激光同时透射荧光，其用于反射三色激光， 投射在物镜上；所述物镜用于透过三色激光并收集激发的混合荧光， 并将收集到的混合荧光投射在第一二向色镜上，第一二向色镜用于透 射混合荧光，投射在三色荧光成像模块上；所述三色荧光成像
华中科技大学
2021-04-14
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