探究了AI自动勾画的临床应用价值，即AI能够为临床医生提供多大的帮助。在8位医生完成人工勾画两个月后，由他们对AI自动勾画的结果进行修改（AI自动勾画+医生修改，即AI辅助勾画）。结果显示，AI辅助勾画提高了5位医生的勾画准确性（平均由74%提高至79%），减少了55%的勾画者间差异。     本研究是AI在全期别鼻咽癌放射治疗靶区勾画方面的首个研究，样本量大、技术合理、测试全面，是AI在肿瘤学领域应用的一项重要进展。研究结果显示AI辅助勾画提高了鼻咽肿瘤勾画的准确性，能够让经验较少的医生达到近似专家水平的勾画，将会对肿瘤控制和患者生存产生积极影响，同时极大地提高了医生勾画的效率，为实现精准而又高效的鼻咽癌放射治疗靶区勾画提供了解决方案。

安徽大学人工智能学院在人工智能、控制科学、信号处理等领域取得了多项顶级研究成果

专利名称：

一种单分散氧化镓粉体及其高密度陶瓷靶材的制备方法 发明专利/实用新型/：发明授权 简介：本发明公开了一种单分散氧化镓粉体及其高密度陶瓷靶材的制 备方法，其将纯度为 99.99％以上的金属镓原料溶解于酸中，配制澄清 的镓盐溶液，加入沉淀剂产生沉淀物，将获得的沉淀经洗涤、过滤、 干燥、煅烧制成单分散超细氧化镓粉体；用合成的单分散氧化镓粉体 作为原料，经模压成型和冷等静压强化获得氧化镓生坯，将生坯放在 高温炉

1. 痛点问题 随着十三五电力行业基本实现烟气超低排放，我国大气污染治理的主战场从电力转移到了工业炉窑等非电力行业，工业炉窑具有种类多、数量大、排烟温度低、污染物成分复杂且浓度波动大等特点，目前传统工业烟气净化采用除尘与脱硝单元串联独立运行，该工艺设备规模大、运维成本高、难以适应工业炉窑复杂多变的烟气条件。因此，开发低成本、短流程、高适应性的多污染物协同脱除材料和技术，成为工业烟气净化领域发展的新方向。其中，以过滤材料为基体耦合催化活性组分的多污染物协同脱除一体化技术成为国内外广泛关注的应用前景较好的新技术。 陶瓷催化脱硝滤芯其表层膜具有致密的微米级孔结构，烟气粉尘去除率可达到99.9%以上；滤材内部支撑体涂覆的催化剂，同时可通过SCR机制实现烟气氮氧化物高效脱除。一体化烟气净化技术改变了当前除尘、脱硝等独立运行的传统烟气净化工艺，具有工艺流程短、设备投资低、运行费用少以及占地空间小等显著优势，实现多污染物协同脱除，是一种极具应用前景的除尘脱硝一体化的新技术，将成为中小型锅炉烟气净化领域的新发展趋势。 2. 解决方案 开发出拥有自主知识产权的新一代三维分级陶瓷催化滤管，该技术的核心是可以控制涂覆陶瓷纤维滤管催化层厚度，保留滤管外表面致密层，使得陶瓷催化滤管具有过滤阻力更低、除尘效率更高、脱硝效率更强等优点，该陶瓷催化滤管在2020年已于东台中玻特种玻璃有限公司建立一套具有工程参考意义的中试侧线试验，运行以来，经过权威第三方检测机构检测，其中SO2＜10mg/m3、颗粒物＜3mg/m3，NOx＜23mg/m3，氨逃逸＜5 mg/m3，满足行业超低排放标准要求。通过中试平台长时间的稳定运行，表明了以三维分级陶瓷催化滤管为核心的多污染协同脱除技术的可行性，使得工业烟气治理技术更加集成、高效、经济。为后续的在玻璃行业及其他工业炉窑规模化应用奠定了基础，并且2021年3月已成功完成玻纤行业炉窑工业烟气超低排放示范项目，也预示该项技术得到了市场的认可，填补国内该技术的空白。可以在其他行业焦化、垃圾焚烧、危废、陶瓷、生物质锅炉、耐火材料炉窑及水泥等行业推广应用，实现实现工业烟气经济、高效、深度治理。 合作需求 与浙江致远进行优势互补，目前团队已经实现了小批量规模化量产，并在不同行业进行了中试试验，取得了较好的净化效果，成果转化后实现工业化生产，公司目前自主研发了涂覆工艺和装置，生产工艺和此次受让技术十分匹配，可满足此次放大的技术产品设备需要。结合公司较强的工程设计能力、施工能力、市场开拓能力及售后服务等，在玻璃、焦化、生物质发电、垃圾焚烧等烟气治理行业进行推广应用。

本发明涉及一种直接界面法制备三维多级表面形貌多孔磷酸钙纳米陶瓷的方法，使用甲醇、水溶性钙盐、挥发性碳铵盐、表面活性剂PVP和明胶等、磷酸氢二铵和磷酸氢二钾等为原料采用界面法在聚氨酯泡沫支架上形成碳酸钙多孔坯体，然后通过130℃或以上水热处理及600-1000℃下高温处理，即可得到具有三维多级表面形貌的多孔纳米磷酸钙陶瓷。所得到的最终制品平均孔径可控制在50μm到1000μm之间，平均晶粒尺寸在200nm到1μm之间。孔呈三维贯通的海棉形态，孔壁的横截面呈三角形。

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。