|
搜索
搜 索
高等教育领域数字化综合服务平台
北京彼奥德电子技术有限公司
北京彼奥德电子技术有限公司
2022-05-24
宁波北仑奥弗森仪器有限公司
宁波北仑奥弗森仪器有限公司
2022-05-24
杭州新奥星塑格地板有限公司
杭州新奥星塑格地板有限公司主要从事高科技运动地板的研发、生产、销售与服务，是国内较早开发悬浮式拼装运动地板的企业，也是国内设计、开发室内室外五人制足球场专用的悬浮式拼装地板厂家，是国内生产规模较大，产品系列较全，生产历史悠久的企业。
通过四年的发展，公司目前拥有两个生产车间，两条全自动生产线，实行全年常态化生产。产品分为五大系列二十余种款式，涉及室外室内篮球场、网球场、五人制足球场、排球场、轮滑场、冰球场等场地用地板。先后在全国各地铺设上百片各类球场，产品还远销澳洲、东南亚、非洲、美洲等地区。
杭州新奥星塑格地板有限公司
2021-01-15
奥天海鹏（北京）信息技术有限公司
奥天海鹏（北京）信息技术有限公司正式成立于2023年12月2日，此前在电子行业已经营23年，经营范围主要有计算机、计算机配件、耗材、办公设备和相关软件的研发、代理、销售和服务。
响应我国目前阳光采购政策，基于资深的行业了解，公司为军方、政府部门、企事业单位和各大院校提供各类电子产品、办公设备、耗材等一站式服务，以及软件和信息技术服务等。
中华人民共和国外交部、水利部、工信部、中央司法经管学院、国家移民局、中国民航、南方航空、清华大学、北京师范大学、广州市中级人民法院、市检察院、广州海关、广东省戒毒管理局、广东省监狱管理局、广州市应急管理局、白云区纪律检查委员会、湛江市检察院、珠海边检站、广州市公安局、揭阳市公安局、惠州市公安局、广州新华监狱，以及上市公司网易、德致商成、欧菲斯等等都在广泛使用我们提供的产品和服务。我们还与部分国家机关签订了定点维保维修服务合同和软件信息技术服务协议。
奥天海鹏（北京）信息技术有限公司
2023-03-16
深圳市奥凯视科技有限公司
深圳市奥凯视科技有限公司，成立于2011年，企业植根于创业和创新之都“深圳”， 是一家专业研发、生产、销售多功能数码液晶显微镜、多功能数字黑板、多功能学生实验桌椅等教育装备科技创新的国家高新技术企业。 公司秉承“尽品质事、为天下先”的经营理念，立足教育领域，坚持自主品牌的发展道路，以“创造教育现代化，引领行业新蓝海”为使命， 提供优质服务与产品。目前产品已广泛应用于理化生实验室和多媒体教室。 公司目前拥有40多项国家专利，并通过ISO90001国际质量管理体系认证。产品在国际教学新仪器新设备展览会上获得由中国教育装备行业协会、 中国发明协会颁发的“金奖证书”，并在中国国际科学仪器及实验室装备展览会上获得由中国仪器行业协会颁发的“自主创新银奖”， 还曾获广州国际设计周委会颁发的“红棉奖”等一系列荣誉。公司秉承“敬业、专注、诚信、创新”的企业精神，正全力以赴， 朝国际化高科技企业的目标迈进。
深圳市奥凯视科技有限公司
2021-02-01
英利奥7.0mm雨花石多功能地板
E-SUR®技术面层处理：地板面层经英利奥E-SUR®特殊保养技术处理，形成大分子量高致密结构，极其抗污染及抗击化学物质侵害，易于鞋底黑胶印的清洁，降低维护成本；极其抗划痕，可画线，水性环保。 超级耐磨：1.8mm厚度以上的纯PVC耐磨结构，使地板耐磨性达8万转以上，形成坚固耐用保护，正常使用寿命10年以上。可有效抗刮痕，符合大型赛事的耐磨强度与标准。 抗滑安全：精纯的PVC材料，使地板面层可长期保持良好的弹性及柔韧性，“防湿滑性”优良；专业“雨花石”防滑纹路设计，同时可提供充足且适度的摩擦力，有效止滑，同时保证移动及原地转动的灵活性。 缓震安全：高致密的双层发泡结构，确保舒适的运动体感及卓越的冲击吸收性，有效降低运动反作用力对于脚、踝、膝关节等造成的震动伤害，为运动者提供专业运动保护。 动力支持：加厚耐磨层及韧性面层及发泡结构，使地板具备稳定的回弹动力，优秀的能量返还，为运动者提供十足的动力支持，可助力运动者最佳状态的发挥。 便于清洁维护：“雨花石”纹路面层，凹痕均衡，糙而平整，不利于藏污纳垢，便于场地的清洁与维护。
河北英利奥体育用品有限公司
2021-12-08
篮球赛事AI短视频剪辑系统
视频剪辑是一项简单却繁琐的工作，需要投入大量的人力。而且人力完成的视频剪辑，剪辑结果有着很强的主观色彩。通过采集大量各类体育赛事数据进行模型训练，利用深度神经网络良好的自主学习能力，采用Centernet作为多目标检测能力的实现框架，同时利用Transformer重构目标检测进行连锁，二次捕捉目标检测的准确性。CenterNet和Transformer的融合，实现了端到端的目标检测，在准确性提升的基础上满足实时处理视频的要求。综合应用多目标检测跟踪以及多模式识别技术，实现短视频的智能化剪辑，极大程度减少了人工工作量，同时也增加了短视频剪辑的客观性，在大数据时代背景下有着重要的现实意义。
太原科技大学
2021-05-04
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
基于AI 机器学习的影像组学模型研究
2019年12月以来，由SARS-CoV-2病毒感染导致的新型冠状病毒疾病（COVID-19）在全球开始蔓延。报道显示，SARS-CoV-2感染患者的中位住院时间为10天，而武汉患者在发病10天后症状有可能加重。因此，住院时间是COVID-19临床预后的重要指标之一。 目前，CT影像学已成为COVID-19肺炎的诊断和监测工具，主要表现为磨玻璃影、实变及混合密度影。然而，现阶段的影像学研究主要集中于对病灶的定性和半定量描述，缺乏对病灶的全定量分析。因此，基于前期提出的CT定量监测COVID-19肺炎病程，团队假设在CT病灶背后的高通量影像特征“隐藏”了患者预后转归的“秘密”。 本研究纳入了兰州、安康、丽水、镇江、临夏5家新冠肺炎定点医院，自2020年1月23日到2月8日期间住院患者的临床资料和首次CT资料，所有患者经RT-PCR证实SARS-CoV-2病毒感染。至2月20日，研究共纳入31例治愈出院的患者（排除14例未出院患者和7例首次CT检查无肺炎表现患者），并将10天作为住院时长的二分类阈值。基于有限的样本量，团队将4个中心作为训练队列，另外一个中心作为验证队列。通过自动分割肺叶和半自动分割病灶，31名患者中累计分割出72个病灶。在对病灶图像预处理后，提取影像组学特征并筛选。为了研究影像组学特征的稳定性，团队使用了Logistics回归模型和随机森林模型对筛选的特征分别进行建模和验证。结果发现，6个筛选出的二阶特征在两种不同分类器中均表现出良好的预测价值。在外部测试队列中，Logistics回归模型的AUC为0·97(95%CI 0·83-1·0), 敏感性 1·0, 特异性0·89；随机森林模型的AUC为0·92 (95%CI 0·67-1·0),敏感性 0·75, 特异性1·0。随后，研究又纳入了2月20日-28日新出院的6名患者，利用已建立的影像组学模型可以正确预测所有6名患者的住院时间。
东南大学
2021-04-10
AI在5G系统中应用的研究
中国电子学会发布“电子信息领域优秀科技论文（2020）遴选活动”入选论文。东南大学尤肖虎、张川、谈晓思、金石、邬贺铨联合署名的论文《AI for 5G: research
东南大学
2021-01-12