本发明提供一种用于互联网中加速经验知识积累的信息采集方法及系统，包括用户初次访问网站时， 服务器收到查询问题后，生成查询结果，生成一个 cookie 项并连同查询结果一起返回给客户端，并发送 是否接受回访请求给客户端;所述 cookie 包括网址、用户标识、存活时间和问题标识;服务器在收到用 户接受回访请求的标识后在本地的 cookie 数据库保存该 cookie 项，并添加其他数据项;所述其他数据 项包括，用户输入的查询问题，服务器回访日期范围，根据用户输入的查询问题生成的回访问卷。用户 再次访问网站时，如果当前日期在用户标识对应项的服务器回访日期范围内，通过浏览器采集用户对已 有答案及回访问卷的回复。

产品详细介绍　　产品名字：同三维SDK专业USB视频采集卡　　产品类型：T301USB视频采集卡　　型号：T301　　咨询电话：010-51295660　　T301 专业USB视频采集卡在全球USB接口视频采集卡中占有领先地位，最大的特色在于采用USB2.0接口，有3路Video视频、1路S端子来接入视频，一键抓拍，人性化设计。并且功能强劲，安装方便，不需要外接电源，由USB接口供电，携带方便、易于操作。能广泛应用于安防、医疗、生产、运输、商业、金融等领域，免费提供二次开发包，以满足不通过用户的开发需求。　　图示：一键抓拍 　　USB2.0 高速接口　　同三维SDK(USB视频采集卡)采用USB接口设计，安装简便，免除了开拆电脑主机箱的繁琐，并且携带方便。USB2.0高速接口，让采集画面流畅、稳定。　　四路视频输入　　同三维SDK(USB视频采集卡)支持四路视频输入(3路Video视频、1路S端子)。可以通过软件在各路中切换浏览。　　图示：二次开发包　　这款USB视频采集卡在行业中不论是技术性能还是价格都具有领先地位，它的面世，对于视频会议、交通违章抓拍、停车场车牌抓拍、医疗影像分析、电子报名、大头贴、安防监控等领域起到很好解决。　　北京同舟视达科技有限公司将着力开发高清采集类的系列产品及解决方案，满足更多的高清集成商及行业应用者的需求，并欢迎广大行业应用者及经销商前来咨询并测试，共同打造高清采集行业的明天。咨询电话：010-51295660。　　同三维视频采集卡(www.xiangb.com)流媒体采集卡、图像采集卡、VGA采集卡、DVI采集卡、HDMI采集卡、USB视频采集卡、万能采集卡、非编卡、非编系统、SDK开发卡、桌面卡、高清视频捕获采集设备　　同三维视频转换器(www.tsw360.com)高清转标清，电脑转电视,PC转TV,影像转换器，1080P高清视频转换器，模拟转数字，数字转模拟，VGA系列视频转换器、usb系列转换器、HDMI系列视频转换器　　同三维视频内窥镜(www.neikuijing.net)内窥镜、LED电子内窥镜。视频内窥镜、多功能内窥镜、可录内窥镜、小直径软管管道内窥镜、工业内窥镜、耳鼻喉内窥镜、口腔内窥镜、牙科内窥镜、工业用小直径软管管道内窥镜、便携式可录像拍照视频内窥镜、可360旋转多方向视频内窥镜、led电子视频内窥镜、医用耳鼻喉咽喉口腔检查内窥镜　　“同三维”产品已涵盖 万能采集卡、 高清视频采集卡、VGA采集卡、USB视频采集卡、DVI采集卡、HDMI采集卡、非编卡、VGA转HDMI转换器、视频采集卡、流媒体采集卡、耳鼻喉内窥镜、管道内窥镜、 工业内窥镜、非编采集卡、视频采集卡、HDMI切换器、HDMI分配器等各大领域，其中高清VGA采集卡、高清 HDMI采集卡、USB视频采集卡等产品已远销美国、加拿大、英国、法国、德国、日本、中东等60多个国家和地区，合作伙伴遍布全球。

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。

在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。    本实验室与中国中医科学院合作进行中医临床数据仓库与挖掘分析平台，以及中医临床数据挖掘方法的研究，实现了对中医临床采集病历数数据的集成与整合，数据挖掘与分析的中医临床数据仓库及挖掘分析平台，该平台旨在支持从真实世界中医临床诊疗中产生海量科研分析用数据，并以真实、高质量的数据为基础进行中医临床与理论研究，为中医临床疗效评价、临床中药新药创制提供客观的医学证据和适宜的数据分析方法。该成果于2009年12月获得国家科技进步二等奖。   名老中医OLAP展示例子 1.2多维分析与复杂网络分析系统   以中医临床数据中症-证-治的复杂关系和复杂网络分析方法研究为出发点，开发实现了中医临床复杂网络分析系统。该系统包括如联机数据筛选、复杂网络建模、统计特性分析、可视化网络数据筛选等基本功能，能够支持中医临床诊疗数据中的疾病（中西医）、症状、证候、药物等实体内部元素以及实体之间元素的网络模型构建和多种复杂网络分析方法如节点中心性分析、社团分析、节点相似度分析等。从大量的临床数据中分析获得临床核心处方及其主要适应症，以及随症加减信息。该系统采用Eclipse 富客户端(Rich Client Platform, RCP)和Java语言开发（下图是该系统的主界面）。  在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。  获奖证书   1.中医临床数据仓库与挖掘分析平台 通过分析中医临床数据元素及其多维、多层次的关系特点，研究设计了中医临床参考信息模型，以及为基础构建中医临床数据仓库细节数据模型和多维数据模型，建立以数据仓库为核心的数据整合、数据抽取/转换/转载和数据整理、数据挖掘、OLAP和统计分析的智能信息处理平台。该平台以中医临床数据仓库及其运行环境工具的构建为基础，基于实际的临床诊疗数据，实现对中医诊疗数据进行多主题、多粒度、多需求、高效、快捷的展示、研究和查询检索，并支持基于Web的OLAP主题应用，为名老中医经验继承研究、中医临床评价研究和临床科研提供实际的诊疗数据证据和知识来源，以支持临床科研决策分析，满足中医临床评价研究的探索性分析需求。针对中医临床数据的特点，研究体现中医临床数据模型特点的数据挖掘新方法，为面向中医临床研究的数据挖掘和机器学习方法研究提供新的思路和研究方向。该平台的构建初期以重大慢性疾病：中风、冠心病和糖尿病诊治规律，以及名老中医经验传承研究为支持目标。   中医临床数据仓库平台   1.1中医临床数据预处理技术临床数据的预处理包括数据整合、数据整理和数据转换等技术，我们面向中医临床数据结构内容以及中医临床研究的分析需求，实现具有完善的数据抽取-转换-装载（Extraction-transforming-loading，ETL）、数据整理和数据转换导出功能的数据前处理软件。该软件针对医学数据利用中的分布式（多采集点）采集、患者隐私保护和大规模数据处理的特点，采用灵活的数据映射配置和临床术语库衔接等方式把各采集点数据导入到临床数据仓库中，并支持批量数据核查和数据规范整理（对临床数据中的术语性数据如症状体征、诊断和药物等进行概念化语义规范）功能。   在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。   名老中医OLAP展示例子    以中医临床数据中症-证-治的复杂关系和复杂网络分析方法研究为出发点，开发实现了中医临床复杂网络分析系统。该系统包括如联机数据筛选、复杂网络建模、统计特性分析、可视化网络数据筛选等基本功能，能够支持中医临床诊疗数据中的疾病（中西医）、症状、证候、药物等实体内部元素以及实体之间元素的网络模型构建和多种复杂网络分析方法如节点中心性分析、社团分析、节点相似度分析等。从大量的临床数据中分析获得临床核心处方及其主要适应症，以及随症加减信息。该系统采用Eclipse 富客户端(Rich Client Platform, RCP)和Java语言开发（下图是该系统的主界面）。     中医临床复杂网络分析系统  1.3 真实世界中医临床有效处方发现系统 中药新药创制与研发是极具挑战和机遇的领域，当前化学制药和单成份药物研发已经出现明显的瓶颈，传统植物/天然药以及多成份复方药物的研发成为国内外关注的焦点。而从多成份调控和多靶点机理的研究为主要视角的网络药理学更成为新的趋势和方法。针对中医临床诊疗过程中具有证-治-效信息，且个体性的真实世界诊疗实践特点，我们研究基于大规模临床诊疗数据进行有效处方分析和发现的问题，通过对以中药复方为重点的治疗手段药物组成原理的分析，基于复杂网络模型和方法研制形成了有效核心处方及适应症分析方法、有效临床中药筛选与发现系统，对基于真实世界临床诊疗数据分析获得有效处方知识的方法、技术平台和示范应用进行了探索和初步实践，初步表明从真实世界临床诊疗数据中发现和挖掘有效方药是一种可行的途径，有望为中医新药创制提供可以验证的新处方、新药物等临床有效目标药物。     1.  中医临床数据挖掘分析方法 海量观察型临床数据是中医辨证论治数据的主体内容，具有复杂、多维和多关系的特点。从大规模中医临床观察数据中分析提炼形成有意义的临床假设或诊疗知识如有效处方、人群划分、药症关系以及多阶段优化治疗方案等，是实现从复杂、系统的中医辨证论治过程中发现并确认有效优化的临床诊疗处方及其药物组成的基本方法。中医临床数据包括门诊数据和住院数据两大主要部分，其数据内容由临床表现、诊断和治疗（临床疗法）三部分核心内容（如下图），其中辨证知识、证候分布、药症关系、方证关系和药物组成等是数据挖掘和分析的主要目标，而所有这些知识的有效性的评价依据是临床疗效，即确认和发现临床有效的中医诊疗知识是中医临床数据挖掘分析方法的主要有价值研究目标。    中医临床数据挖掘问题：在疗效信息的约束下，验证和发现有价值的临床诊断/治疗关系知识。  2.1基于复杂网络的中药配伍分析方法 人们通过对中医临床处方数据的初期分析，并与临床专家的交流中发现，名老中医的临床复方的组织特性体现在两个层次。第一层次为临床医生一般以经典复方（包括经方、时方和验方等）为基础进行临床处方；第二层次为在药对或药症关系基础上的药物随症加减处理。这两个层次的临床处方配伍过程形成了具有核心处方结构，而又具有较大灵活性的处方集合。因此，通过对名老中医处方集的共性网络结构分析，能够发现体现其处方思维和学术特点的核心处方配伍结构，从而辅助进行名老中医经验的传承和整理研究。通过应用基于无尺度网络现象的网络分析方法进行研究。无尺度网络作为复杂系统研究的一种实证现象和方法，对基于网络研究复杂现象和复杂系统的方法具有很大的推动作用。具有宏观无尺度现象的网络在拓扑上存在幂律现象，即节点的度分布服从幂函数分布。这在医生处方中的具体体现就是某医生对药物的使用具有比较集中的趋势，某些名老中医偏好使用某些药物，使得这些药物的已有或潜在功效得到更大的发挥或挖掘。 我们基于网络中权值的幂律分布规律，实现了多层核心子网分析方法，能够从复杂的中药配伍网络中抽取多层核心子网。该算法已经在名老中医处方配伍经验的分析中得到广泛应用。其得到的结果具有直接而明确的临床含义，且可靠性较强。第一层核心子药物子网一般解释为共性的核心处方；第二层解释为主要药物配伍；第三层解释为次要药物配伍。这些药物配伍分别对应样本的核心病机如主要疾病和主要证候等、兼证和加减症状等。以下是两类特定中药处方：1287个肝脾不调证(GPBT)处方和752个2型糖尿病合并代谢综合征处方的分析结果。   特定中药处方的核心药物配伍网络和主要加减网络，其中的网络中的节点是药物，边的权重表示两相关药物配伍使用的次数。 2.2基于隐主题模型的疾病人群临床特征类别分析方法 症状-中药-诊断主题模型（Symptom-Herb-Diagnosis Topic model，SHDT), 用来提取中医临床数据中的症状、中药和诊断间的隐主题结构。SHDT模型是LDA主题模型在多关系应用中的扩展。该模型的核心思想是假设一类样本里面包含有多个主题，例如，一类糖尿病人群有不同的并发症，且这些主题所包含的信息特征（以症状来表达）具有相对完整性和独立性。SHDT把每个主题看作是症状上的多项式分布，并通过症状来表达主题的内容；同时，把每种中药看作是主题上的多项式分布，因为一类中药可以治愈多种症状/疾病；又因为一种诊断包含多种症状/疾病，于是把诊断看作是对主题的描述，构建一种“症状-中药-诊断”主题模型。SHDT模型这种分析原理和思路与中医辨证论治过程基本吻合，它可以客观地按照症状找到自然分类人群，给出诊断描述特征和中药治疗特征。SHDT模型分别在2型糖尿病、冠心病和肝炎等慢性疾病中进行人群特征分析。实验结果说明了该模型具有较好的适宜性和科学性，分析结果能够较为完整的反映特定疾病中相关的主要人群特征类别。   症状-中药-诊断主题模型，图中三个黑色圆圈，代表显变量（观察变量），其中s 表示一个采样症状，表示患者p的所有药，表示患者p的所有诊断。白色圆圈代表隐变量，其中z 采样症状s对应的主题，x表示s对应的药，u表示s对应的诊断。矩形框表示重复采样。外部矩形框表示在集合中有P个患者。内部矩形框表示对患者p的个症状、主题、药物以及诊断重复采样。 2.3基于内隐对照和部分可观察马尔可夫决策过程模型的动态序贯处方治疗方案优化方法 中医辨证论治是症-治-效紧密相关的个体、动态的复杂干预过程，动态序贯干预是中医临床治疗慢性疾病的基本方法。以患者为轴心的治疗原则和医生的个体性特点，使得中医动态序贯干预过程中包含多样化的治疗方案。在临床诊疗经验知识的形成阶段，医生往往通过对治疗前后患者健康状态的判断，试图获得较好的治疗方案的认识，进而逐步形成固化的有效经验性治疗方案。因此，在无外部对照的情况下，如何从大规模的复杂多维临床关系数据中发现并确认在临床实际中较优的动态序贯诊疗方案是有效临床方案形成的重要课题。 考虑到实际可行性和研究代价的问题，在未有明确的有效干预方案形成的临床研究初期，无外部对照的传统中医经验整理和归纳普遍存在，且长期的中医学实践表明是有效的。但由于临床诊疗信息关系的复杂性，基于传统经验整理方式形成有效治疗方案是一个较为漫长的过程。 因此，如何借助源自真实世界（无外部对照）的大规模临床观察数据，进行挖掘分析，以辅助发现和确认较优的临床治疗方案成为辨证论治临床评价研究的关键问题之一。我们采用部分可观察马尔可夫决策过程模型(POMDP)对此问题进行研究，实现了基于POMDP的中医临床处方优化分析方法，以探寻从来自临床实际的大规模观察性临床数据中发现较优或最优的动态序贯治疗方案，为中医辨证论治有效动态干预方案的形成和临床验证提供参考知识。   中医临床诊疗过程对应的POMDP模型 1.  成果的推广应用 本成果已经在国家科技重大专项：重大传染病防治、重大新药创制等两个项目；国家科技支撑计划项目-名老中医经验传承研究；北京市科技攻关项目和国家中医临床研究基地等项目中进行推广应用。分别对艾滋病、肝炎和肺结核等传染病的中医药防治规律，从中医临床中分析确认有效处方与药物，名老中医的辨证论治个体诊疗经验，中风、冠心病和糖尿病等重大慢性疾病的临床诊治规律，以及全国10余家重点中医院诊疗优势病种（如上海龙华医院的中医胃癌治疗、骨关节病治疗；河南中医学院一附院的中医艾滋病治疗、中医慢性阻塞性肺炎治疗等）的临床诊疗优化方案等进行应用研究。逐步探索和完善中医临床科研一体化技术体系，支持基于临床诊疗实践及其真实世界诊疗数据，进行中医临床研究和中药新药创制研究的医学模式。   北京地区22家单位应用分布图

相关专利涉及一种用于医学影像学诊断、治疗的辅助设备，具体涉及一种用于 PET、CT 及 MR 图像融合的腹盆部立体定向框架，该装置固定后可通过更换装载不同造影材料的定位棒，为不同影像数据添加定位信息，通过“外部特征点提取法”实现任意两组或三组独立影像图像的精确融合。

本技术成果公开了一种采用多特征融合的图像自动标注方法和系统，标注方法是使用多种特征类型来 表示图像内容，引入多特征表示的特征签名，结合K-Means聚类算法得到基于多特征融合的图像语义统计 模型，用于对图像自动标注

本发明公开了一种基于多光谱图像的植物叶片水分含量的检测方法及系统，检测方法包括以下步骤：a、获取样本植物叶片的绿光波段、红光波段和近红外波段的单色图像；b、获取单色图像的灰度信息，并获取所述样本植物叶片的灰度纹理特征量；c、将灰度信息转化为样本植物叶片的反射率信息，通过反射率信息获取叶片植被指数值；d、以灰度纹理特征量和叶片植被指数值为输入向量，以样本植物叶片的实测水分含量值为输出向量，建立模型；e、按照步骤a～c的操作获取待测植物叶片的灰度纹理特征量和叶片植被指数值，带入步骤d中模型，即得待测植物叶片的水分含量值。该方法能够实现对植物叶片的水分含量进行准确、快速、无损、实时的检测。

相关专利涉及一种用于医学影像学诊断、治疗的辅助设备，具体涉及一种用于 PET、CT 及 MR 图像融合的腹盆部立体定向框架，该装置固定后可通过更换装载不同造影材料的定位棒，为不同影像数据添加定位信息，通过“外部特征点提取法”实现任意两组或三组独立影像图像的精确融合。应用范围:可用于任意品牌、型号的 PET、CT 或 MR 机的图像融合，实现了昂贵 PET/CT、PET/MR 机的主要功能，提升了单项设备的应用价值。效益分析:基于相关专利开发的用于腹盆部 PET、CT 及 MR 图像融合的立体定向设备，具有操作简便、成本合理、可重复使用等优点，其主要技术优势和性能指标如下： 一、主要技术优势 （1）可用于任意品牌、型号的 PET、CT 或 MR 机，实现了昂贵 PET/CT、PET/MR 机的主要功能，提升了单项设备的应用价值； （2）该方法能对腹盆腔内固定的解剖部位或相同病变区域同时显示出PET、CT 和 MR 扫描结果。整合后的图像比组成它的各个子图具有更优越的性能，实现信息论中 1+1>2 的效果。 （3）可更加精确、直观、全面地为医生提供盆腔病变范围、形态等解剖结构变化及代谢功能信息，提供单一影像检查难以发现或定位的疾病诊断信息，突出各自的检测优势和特点，为科研、临床诊断和治疗提供了更有效、精确、直观的帮助。 二、主要性能指标 （1）为腹盆部 PET、CT 及 MR 图像提供固定识别位点，实现同层面、不同检查方法的图像的精确融合。

本发明公开了一种基于广义中国余数定理的两图像置乱隐藏及恢复的方法。本发明对图像尺寸相同的两幅图像，首先基于预设的一组两两互质的素数分别取模后得到两组子图像，再从中随机选取部分子图对进行对应位置的像素部分互换，得到置乱隐藏后的两组子图像，实现对原图像对的同时加密。恢复处理时，首先基于置乱隐藏处理时所设置的一组两两互质的素数，从给定的两组子图像中准确恢复出所有无序的像素对，然后根据图像的特征，将得到的像素对中的无序像素对准确地分为两类，基于分类结果，无损地恢复出原来的两幅图像，实现图像对的加密传输交互。

本发明属于图像处理技术领域，涉及一种基于深度信息提取的多聚焦图像融合方法，广泛应用于目 标识别，显微成像，军事作战，机器视觉等领域。本发明首先利用各向异性热扩散理论建模多聚焦图像 的成像过程，获取原始的多聚焦图像的深度信息，根据图像信息确定聚焦区域，得到多聚焦图像融合模 板，最后根据平滑的多层次融合模板图进行多聚焦图像的融合。本方法不仅能够有效的提高融合图像的 质量，并且具有良好的实用性和广泛的适用性。