1、胰腺肿瘤CT图像诊断算法。针对胰腺肿瘤分类问题，从医学CT图像出发，搭建深度学习模型。对于肿瘤分类，我们将问题建模成两部：胰腺定位查找和胰腺肿瘤分类。我们建立级联分割网络，从病人腹部的CT图像中将胰腺器官分割出来。级联分割网络比之前的层级分割网络结果提升10各点。之后建立多模态分类网络，针对CT图像的特性，将多切片多造影剂时期多区域的数据进行融合，在胰腺肿物分类中取得了较好的结果。层级分割模型示意图 分类模型可视化热图 2、现有的乳腺癌腋窝淋巴转移的医疗诊断措施为病理活检，是一种过度医疗。基于乳腺钼靶图像的术前无创的乳腺癌腋窝淋巴转移预测手段能够有效避免过度医疗。我们构造了基于乳腺钼靶图像的深度卷积神经网络模型来处理乳腺癌腋窝淋巴转移问题。我们对乳腺钼靶数据进行了预处理和数据集的整理、划分。我们构造了三个不同的深度卷积神经网络，患病侧单体位网络、患病侧双体位网络和双侧双体位四视图网络。其中，患病侧单体位网络分为 CC 位网络和 MLO 位网络。在乳腺钼靶数据的测试集上，患病侧 CC 位网络、患病侧 MLO 位网络、患病侧双体位网络、双侧双体位四视图网络的结果依次递增。这表明了同时使用同一患者的四张钼靶图像的双侧双体位四视图网络具有更好的预测效果，更适合乳腺癌腋窝淋巴转移预测任务。对于双侧双体位四视图网络，我们不仅使用了双侧测试集 1，还使用了额外的双侧测试集 2 进行测试。钼靶乳腺图像预处理 双侧双体位深度学习网络 优势：从客观的医学图像数据出发，结果可重复，而且高效快捷，提高识别准确率的同时，便于临床推广。

“新型多天线传输技术”是5G移动通信系统亟待研究的关键问题之一。孕育其中的3D-MIMO技术则是亟需攻克的难点之一。据此，本技术成果依据3D-MIMO技术中的多用户智能波束赋型，研究Massive MIMO阵列对5G系统波束赋型性能的影响。 技术成果主要功能： ？ 时间反演波束赋形（Time Reversal Beamforming, TRBF）通信系统可计算模型。 此部分主要是在经典的天线系统排布方向图与增益的理论研究基础之上，进一步研究这些天线系统的排布对TR大规模MIMO通信系统性能的影响，建立了基于不同天线系统排布的不同的信道响应模型。 ？ TRBF通信系统互耦效应的可量化分析模型。 建立了互耦的信道模型，然后通过信道模型来分析TRBF通信系统的性能。 ？ TRBF通信系统极化信息的可量化分析模型。 针对天线的极化特性建立信道模型，基于极化信道模型分析TR通信系统的性能，建立系统极化信息可量化分析模型。 技术成果应用领域： TR通信可以利用复杂环境中的丰富多径来提高系统的信道容量，减小误码率等等。并且TR的空间聚焦特性能精确定位用户终端，所以TR Massive MIMO通信系统可以用在受阴影衰落较大的地区，例如位于密集高大建筑楼群的低层用户，由于巨大的建筑物遮挡阴影损耗，要想实现设备到设备之间的直接通讯很困难，而TR技术可以精确定位到传输终端，达到普通波束赋形达不到的效果。类似的环境还有山区高大山群的阴影衰落，信号衰减大的森林地区等等。 此外，TR通信能够利用复杂环境中的丰富多径来提高通信系统的性能，所以在电磁波反射路径多的环境，自然环境比如地下车库，隧道等，人造环境比如模拟体验太空舱，金属装饰风格的办公室或者住宅等（见下图2）。在这些多径异常丰富的环境下，移动终端经常会出现接收不到信号等，这也是秉承随时随地接入网络宗旨的5G蜂窝移动通信系统亟待解决的问题，而这些场景正是完美的TR技术应用场景。 由此可以想见，TR在5G蜂窝移动通信系统覆盖范围下的某些特殊通信场景极有用武之地。

本发明提供后向散射优化的森林复杂地形校正及树高反演方法、系统，地形校正包括针对森林场景 的极化干涉 SAR 图像，根据森林场景的两层散射特点，构造两层结构的相干模型，并对地形引起的参 数变化进行校正；结合地形仿真和植被仿真，建立植被与地形之间的定量描述关系；最后结合距离多普 勒几何校正方式和归一化辐射校正方式进行校正；树高反演包括针对不同树种之间的结构和分布的差异， 提出树种多样性因子，对不同的树种的植被高度分别进行估计然后获得整个森林场景的树

因果关系是自然界现象之间最普遍和最基本的联系。在物理学、生命科学、地理学等各个自然科学领域乃至哲学、经济学等社会科学中，发现内蕴的因果关系、因果网络可以反映系统演化的核心互作机制，具有重要的科学意义。

1. 痛点问题 工业时序数据具有应用领域广、数据规模大、经济价值高的特点，蕴含的巨大商业价值，因而其安全性受到不法分子采用黑客攻击等技术手段以及雇佣商业间谍等非技术手段的威胁。数据所有者通常会采用前效方法对数据库中的数据加以保护，但是这些方法只能有效防止外部人员进行非法盗窃，对于内部人员盗窃等途径并不能有效遏制。数字水印是解决数据在传播过程中安全问题的一个主流分支，通常的数字水印采用分组多数投票方法来提升算法的鲁棒性，但时序数据通常有较多的噪声，高价值数据点相对集中，因而一个未经加权的投票算法可能会因为大范围的噪声干扰而导致水印判定失效。此外，常见时序数字水印算法基于时间戳进行水印嵌入计算，容易受到更改时间戳或频率变换的攻击，一旦时间戳序列大幅度改变，水印提取算法将受到很大影响，很可能导致水印提取完全失效。 2. 解决方案 工业物联网数据是工业大数据规模迅速扩张的主要来源。各类物联网传感器以极高的频率采集其所在设备的工作状态数据，通常为一系列包含数据产生时间戳（Timestamp）和采集数据（Data）形式为(Timestamp, Data) 的元组序列，称为时间序列。工业时序数据具有应用领域广、数据规模大、经济价值高的特点，蕴含的巨大商业价值，因而其安全性受到不法分子采用黑客攻击等技术手段以及雇佣商业间谍等非技术手段的威胁。 数据所有者通常会采用前效方法对数据库中的数据加以保护，包括但不限于：数据加密、用户权限划分等等。但是，这些方法只能有效防止外部人员进行非法盗窃，对于内部人员盗窃等途径并不能有效遏制。数字水印是解决数据在传播过程中安全问题的一个主流分支，常见时序数字水印算法基于时间戳进行水印嵌入计算，容易受到更改时间戳或频率变换的攻击，一旦时间戳序列大幅度改变，水印提取算法将受到很大影响，很可能导致水印提取完全失效。此外，数字水印通常采用分组多数投票方法来提升算法的鲁棒性，但时序数据通常有较多的噪声，高价值数据点相对集中，因而一个未经加权的投票算法可能会因为大范围的噪声干扰而导致水印判定失效。 本项目针对常见的水印失效场景进行了分析，提出了能够有效提示水印鲁棒性的技术，更好的确保数据安全的管理能力。 3.合作需求 在全国范围内工业互联网/工业大数据相关领域寻求应用场景，希望能与能源/装备制造行业的大中型企业开展这方面的合作研究和落地实施；并针对上述企业开展包括二次开发在内的各类实际应用，助力企业降本增效、转型升级。

产品详细介绍 机械臂运动算法STEAM主题课程 项目背景 随着工业 4.0 科技革命的到来，工业机器人已成为工业化程度的重要标志。机械臂是最为典型也是最早出现的工业机器人，它可以代替人的繁重劳动以实现生产的机械化和自动化，提高生产效率的同时避免人身事故的发生。机械臂课程的学习可以培养学生将科学技术应用于日常生活、社会实践的意识。 在本项目中，学生可借助机械臂运动算法套件与人工智能与编程教学系统，了解关节机械臂和伸缩机械臂的原理及特点，搭建不同类型机械臂并通过编程实现智能控制。 课程性质 这是一门以项目式教学开展的跨学科课程，以基于建构主义理论的 5E 教学模式作为指导，结合了 中小学信息技术课程标准与编程教学特色。 课程目标 1.知识与技能 ⚫  了解机械臂的类型及其在现实生活中的应用。 ⚫  掌握关节机械臂和伸缩机械臂的结构特点，设计并制作相应模型。 ⚫  学习图形化编程或 C++代码编程的基础知识，使模型完成实际任务。 ⚫  掌握机械臂运动算法的设计、编写及调试。 2.过程与方法 ⚫  通过观察、查阅相关资料等活动，培养对信息的有效性、客观性做出判断的意识，发展分析概括能力。 ⚫  通过机械臂模型的搭建和编程，发展编程思维和工程思维能力。 ⚫  在完成模型设计和算法设计过程中，提高分析问题和解决问题能力，养成自学能力。 3.情感态度与价值观 ⚫  了解机械臂在日常生活中的实际应用，萌发将科学技术应用于日常生活、社会实践的意识。 ⚫  养成实事求是，尊重自然规律的科学态度。 ⚫  关注科学技术对社会发展、自然环境及人类生活的影响。

在应变的InAs/GaInSb量子阱中，量子阱中的应力使其能带发生改变，从而使得体态杂化能隙得以增大，这直接导致了边缘态电子费米速度的增加，因而螺旋边缘态中的相互作用效应变弱。实验上测量得到的边缘态电导以及其对外加磁场的响应清楚地表明该系统中的量子自旋霍尔态是一种Z2拓扑绝缘体，其性质受到时间反演对称性的保护。而且，InAs/GaInSb量子阱中螺旋边缘态的相干长度最长可达10微米以上，远大于之前所有有关量子自旋霍尔态研究工作中报道的数值。另外，螺旋边缘态的相干长度还可以被栅极调节，这显示了边缘态电导与边缘态电子费米速度，也即边缘态相互作用强度密切相关。

本发明提供了一种基于电缆表面温度的电缆接头缆芯温度反演方法及系统，包括：步骤 1，根据电 缆一维暂态热路模型和电缆本体的表面测温点温度进行径向温度反演，获得缆芯拟合点反演暂态温度； 步骤 2，采用有限元温度场仿真法构建电缆二维温度场仿真模型，并在不同加载电流和不同时刻下仿真 缆芯接触点和缆芯拟合点的暂态温度，获得暂态温度仿真数据集；步骤 3，以缆芯接触点暂态温度为自 变量、缆芯拟合点暂态温度为因变量，对暂态温度仿真数据集进行拟合，获得缆芯轴向温

本发明提供一种光学反射模型与微波散射模型协同的森林生物量反演方法，包括 1)通过对比光学 与微波辐射传输模型的异同，构建光学与微波辐射传输协同模型;2)基于单木生长模型、光学与微波 辐射传输协同模型，构建森林的光学二向反射和微波后向散射特征数据库及相应的森林地上生物量参数 库;3)基于光学与微波协同模拟数据库，分别构建生物量反演的单源光学模型与单源微波模型;4)通 过光学与微波关键因子的敏感性分析，确定协同模型中光学与微波数据各自所占权重，从而构建 AGB 反演的光学微波协同模型。本发明将光学遥感数据与微波遥感数据相结合，充分发挥两者反演生物量的 优势，有效提高了森林地上生物量的定量反演精度。

项目成果/简介:本发明涉及一种基于果蝇算法优化广义回归神经网络算法的茶叶储存时间分类方法,旨在通过改进的广义回归神经网络解决茶叶储存时间分类问题,属于茶叶储存时间分类领域.其原理利用电子鼻传感器模拟人感官品评的功能和特征,采集不同时间不同传感器的特征值,构建样本集.利用果蝇算法优化广义回归神经网络,获得广义神经网络的平滑因子,进而构建毛峰茶叶储存时间的FOAGRNN分类模型和方法.本发明的有益效果在于将果蝇算法优化广义回归神经网络算法应用于毛峰茶叶数据中,提高预测毛峰茶叶储存时间分类的效率和准确度,为消费者提供茶叶储存时间分类的有效方法.