|
搜索
搜 索
高等教育领域数字化综合服务平台
科技创新与产业创新深度融合：模式、堵点与突破
促进科技创新与产业创新深度融合，是推动新质生产力发展的必然选择，也是破解科技和经济“两张皮”现象的关键抓手。科技创新各个环节衔接不紧凑，科技成果向现实生产力转化不顺畅，在一定程度上制约了高质量发展的新动能培育。
北京行政学院学报
2025-02-17
产教深度融合 创新物联网专业人才培养
物联网作为我国重点发展的战略性新兴产业之一，对于支撑“网络强国”和“中国制造2025”等国家战略具有重要意义。然而，当今高校物联网专业却普遍面临人才培养与产业发展不适配、教育内容与产业技术应用相脱节等挑战。本案例通过构建“多主体参与、多模式共融、多层次渐进”的物联网产业学院，全面推动企业优势与教育资源融合，从人才培养目标重构，产教融合创新平台搭建，以及“专创融合”+“赛教融合”的人才培养模式构建等方面，全面提升物联网专业人才培养质量，着力培养创新能力强、可适应经济社会发展需要的高质量工程技术人才，使学生实践能力显著增强，就业率和创业成功率大幅提升。
天津市大学软件学院
2025-05-16
基于全景影像的街景面片优化方法
本发明公开了一种基于全景影像的街景面片优化方法，包括以下步骤：步骤 1：获取车载 LiDAR 点 云数据和全景影像，并将全景影像与车载 LiDAR 点云数据进行配准；步骤 2：将车载 LiDAR 点云数据 分割为多个面片，获得面片与全景影像站点的对应关系，将面片投影到全景影像上，得到面片对应的透 视平面影像；步骤 3：对透视平面影像进行分析，删除树木点，并进行面片拉伸。本发明基于全景影像 优化街景面片，在点云数据的结果上进一步提高面片的精度和准
武汉大学
2021-04-14
深圳市长丰影像器材有限公司
深圳市长丰影像器材有限公司成立于2011年，总部设立在广东深圳，是一家集产品研发、生产、销售于一体的高新技术企业，多年来一直致力于影像器材以及声音技术的开发制造。
长丰公司长期服务于摄影摄像和广播电视行业，为主流媒体、传媒工作室以及广大的摄影摄像爱好者提供从影像稳定系统到声音输入输出系统的整体解决方案。公司目前拥有三个自主品牌：Saramonic枫笛、BOYA博雅、SEVENOAK七棵橡树，自主研发和生产的产品销往全球100多个国家和地区。
经过近10年的发展，目前长丰拥有占地万余平米的生产基地和产品研发中心，配备了国内外最先进的研发测试设备和专业声音实验室，建立了专业的研发团队和完善的质量管理体系。2013年，长丰公司通过ISO9001质量管理体系认证，出口销售的产品均获得相应的质量认证如CE、ROHS、FCC、NCC、KCC、TELEC、EN300等。经过多年创新和沉淀，公司拥有百余项国内外各类发明和创新专利，2018年，公司荣获“国家高新技术企业”认证，并得到深圳市政府和科创委的大力扶持。
深圳市长丰影像器材有限公司
2022-07-04
医学影像设备学综合电路实验箱
是新华医疗强大X线机研发团队专门为高校医学影像专业教学设计的又一力作，本实验台综合了单个实验箱的实验功能，综合性强，可使学生在比较中进行实验，进而提高学生综合运用知识的实验效果，让学生亲身体验，学以致用。主要实验模块包括：整流电路实验、高频X线机逆变频率电路实验、旋转阳极启动与保护电路实验、磁饱合稳压电路实验、曝光限时电路实验、管电压管电流测量实验、接地电阻测量实验、X线机发生器基本工作原理及控制实验等。
山东新华医疗器械股份有限公司
2022-11-08
压电材料军民融合项目
高校科技成果尽在科转云
西安交通大学
2021-04-10
智慧校园融合服务门户
网上服务大厅是智慧校园整体框架中最主要的用户服务窗口，将校内各类资讯、服务、系统入口、消息待办、高频应用等与师生日常科研教学密不可分的信息资源统一聚合，并按照师生身份和功能业务域做合理划分，让师生用户能够以良好的用户体验获得对校内各类信息资源的一站式访问。
智慧校园整体建设中直接面向最终用户的展现端，实现数据、用户、权限、应用、服务、流程、内容等各个方面的集成，用户通过浏览器（融合服务门户）、移动端（超级APP）实现多场景、多端多入口、随时随地享受各类服务和应用。
一网通办、一网统管
将传统意义上的信息门户、办事大厅和各系统提供的业务服务等诸多入口融合，成为真正意义上一网通办的入口，让用户能够一站式完成发起服务、接收消息、处理待办、查看资讯等各类高频操作，大幅提高师生使用的便捷程度。
以服务建设为重点
转变“重管理轻服务”的思想，以服务建设为重点，将原有的业务系统按照用户的需求、使用习惯等因素重新进行封装，为学生、教师、校领导等角色提供个性化的功能服务。
采用先进微服务结构
为简化服务流程、便于敏捷开发、减少开发成本，融合服务门户采用先进的微服务构架，若干可以独立完成功能的微服务组合成为能够满足单一场景使用需求的微应用并被容器化部署，提高学校信息建设的灵敏度和迭代速度。
自定义配置
平台提供多种报表配置工具、业务重构工具，通过可视化工具对业务流程与报表格式字段进行自定义配置。支持可动态执行的工作流及数据操作脚本，无需编译就能够通过动态脚本在工作流中直接处理表单数据。
快速获取数据
基于场景和业务流程，深度挖掘数据价值，满足业务人员对于数据需求的及时性，极大缩短数据搜寻和获取时间。
服务媒介多元化
支持多样化的身份识别，基于二维码和人脸等，结合智能终端设备完成智慧校园认证场景全覆盖，包括消费、考勤、签到、门禁等服务“一码/脸通行”。可通过PC、随身智能终端、人脸识别设备、自助终端等进行应用获取。
新开普电子股份有限公司
2022-06-30
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
多模态医学影像智能协诊系统TPAID
中试阶段/n该项目主要针对开源CT 医学影像数据和多中心合作单位提供的多模医学影像数据，采用人工智能技术和自主研制的深度学习算法对心脏左心室、肿瘤等CT 影像数据进行全自动分割，验证了所研制算法在该项目计算机辅助肿瘤智能诊断应用中的有效性，为项目产业化实施奠定了方法基础。成果的先进性或独特性：针对不同类型的医学影像感知设备，设计针对性强的机器学习智能算法；国内同类研究中首次采用“双盲评估+验证”的科研方法对影像数据进
武汉大学
2021-01-12