|
搜索
搜 索
高等教育领域数字化综合服务平台
铁电高分子脉搏波传感器：移动的健康诊断平台
我校发明了一种小型、低成本的铁电高分子柔性传感器，简单地贴合在手腕等部位，即时采集脉搏波信号，获得节律、波形等与心血管功能密切相关的参数。传感器能追踪健身和服用血管扩张药状态下脉搏波的变化；精确区分心脏输出的主波和次级反射/重搏波，评估血管硬化程度。传感器能耗为微瓦级，扣式锂电池驱动预计可工作两年；与智能手环等相整合，可在线关注心血管系统健康，定制个性化健身和心脏药物服用计划。该研究曾入围2016春季美国材料研究学会iMatSci的20个项目。
南京大学
2021-04-14
电供暖智能控制系统
技术成熟度：技术突破
本成套设备，以电供暖的各个电暖气为控制对象，以建筑内不同房间不同区域的取暖温度为控制参数，自下而上，组成了由单片机现场控制器（控制室单独使用PLC控制器）、PLC中间层算法控制器、工控机为上位机构成监控界面的DCS控制系统，从而实现分散控制集中管理的控制系统。此系统的目的在于替换传统水暖系统，利用合理科学的软件算法，实现节能、环保、减排的效果。设备兼具教学、实验、科研及实用的功能。
成果技术特点：本套装置由四个单片机组成现场控制器，一个PLC组成的控制室控制器，与中间层面的S7-300PLC控制系统，以及顶层监控层的工控机装置，统一安装到了一个整体的平台上。此平台便于实地集中实验、研究，也有利于集中编程与项目演示。
图1 设备实物图
图2 为智能控制系统电脑操作界面
吉林建筑科技学院
2025-05-19
一种脑电和心电相结合的特征解纠缠情感解码系统
本发明涉及生理信号处理技术领域，具体为一种脑电和心电相结合的特征解纠缠情感解码系统，系统包括特征解纠缠模块、三向动态交互模块、特征语义映射模块、异常特征校验模块、特征修复模块。本发明中，通过对脑电与心电信号进行多阶段分解以识别并区分公共特征与无效私有特征，实现了信号维度与语义维度的同步解析，通过特征语义偏差、稳定性及异常分布情况的统计分析，动态检测与任务目标不一致的特征项，并明确其语义状态演变趋势，推动特征层面的语义质量控制，实现特征替换与建模更新，使得多模态生理信号在情感识别任务中的表现具备敏感性、准确性及适应性，并对情绪状态识别提供结构清晰、语义明确且动态可调的生理特征表达体系。
兰州大学
2021-01-12
基于物联网云平台的智能电伴热控制器
成 果 简 介 电伴热广泛应用于石油、化工、地铁等领域，本研究成果设计了一种新型的电伴热控制器。系统采 用六管设计，每管采用一主一备方式；可采集 32 路温度 、12 路回路电流、6 路漏电电流；具有主输出 12 路， 报警输出 11 路；具有RS485、CAN、以太网通讯接口。采用物联网和云服务技术，设计了基于物联网云平台的WEB 服务器，可实现PC 端远程监控与移动互联网微信客户端绑定设备、实现人与设备的实时交互， 设备监控、智能数据分析、消息分发、远程升级等服务。
北京工业大学
2021-04-13
基于人工智能的视觉智能感知平台
本项目研究面向成渝地区双城经济圈大数据智能产业需求，尤其是对智能制造、公共安全场景提供高效的视频流在线推理和管理平台，研发了一个通用性的智能中台架构，支持视频流和智能模型模块化管理，支持全程可视化操作交互式界面，支持视觉智能感知模型在线推理快速部署，支持感知与识别结果实时推送、预警和报警。
重庆文理学院
2025-02-21
一种非接触式心电电极模块及心电图检测装置
本发明属于生物心电信号测量领域，公开了非接触式心电电极 模块及心电图检测装置，心电电极模块由电路层、地层、屏蔽层和电 极层构成；电极层包括心电信号检测区和共模信号反馈区；电路层包 括缓冲电路、地端接口、参考电压接口、信号输出接口、电源接口和 右腿驱动接口、第一过孔、第二过孔、第三过孔和第四过孔；缓冲电 路的地端与地端接口连接后通过第三过孔与地层连接；第一过孔将信 号输入端与心电信号检测区域相连接，第四过孔将右腿驱动接
华中科技大学
2021-04-14
基于公用无线通讯网心电远程监护系统研究
项目研究的背景及用途:通过无线网络建立社区保健网是适合我国国情的，首先，我国的服务业是尚待开发的国家，特别是医疗保健工作目前还很难做到服务到家庭。而在家庭中，保健工作又是十分重要的，如老人的日常护理、孕妇、胎儿、婴儿、幼儿的保健及健康咨询，长期需要护理慢性病患者。系统的建立，可使疾病的诊断的触角伸向家庭。在一定意义可以说，在家里得到了与医院一样的诊断。“网络”的运行，可加速慢性病防治的信息化监测、管理;可有效地实施慢性病(心脑血管病、高血压、糖尿病等)的家庭医疗监护、防治指导及其急性发病(急性心肌梗塞、脑卒中等)的预测，发现和施救:促进意在提高基层医疗水平的会诊、教学和电子病历系统的形成;加速实现世界卫生组织提出的“家庭健康保健目标”。
技术原理及流程：该系统以专家诊疗系统为中心，一端为家庭终端，该终端应设计成包括生理信息接收、存储、发送-接收装置。另一端为社区医疗站或卫生院(地段医院)系统，它是基于小型计算机的接收系统，中间通过无线公用通讯网传输，并可与市(区)级医院-网络中心链接，进行信息交换。市场分析及效益预测:本项目完成时，由于它直接面对家庭，因此有很大的市场，按每台纯利润 1000 元计算，年产 1 万台计，可产生的效益是可观的。
社会效益：随着人类进步和步入老龄化社会的现实，广泛用于社会与家庭的日常疾病预防、生理指标监测，功能恢复等简易、准确、轻便的仪器将是替代家政服务，减少社会压力的重要手段。
天津大学
2021-04-11
肿瘤医学图像智能诊断算法
简介：
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。
中国人民大学
2021-05-15
肿瘤医学图像智能诊断算法
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。
中国人民大学
2021-04-10
人工智能诊断腹膜转移
肠癌合并同时性腹膜转移（PC）的发病率约为5-10%，复发时合并腹膜转移发病率为25-44%。“腹膜转移如果能够早期诊断，可以增加彻底减瘤手术的机会，未来能够明显延长肠癌患者的生存期。”王辉教授说。2018年团队和深圳腾讯AI lab建立了合作关系，研发一个基于卷积神经网络（CNN）的ResNet3D系统。经查，这是世界上第一个诊断肠癌腹膜转移的AI平台，能够自动识别原发肿瘤特征，同时提取肿瘤临近腹膜的影像学特征，构建基于人工智能的SVM分类器。训练组一共纳入了19814张CT图像，验证组包括了7837张CT图像。 研究发现，ResNet3D的AI系统仅需花费34秒就自动识别并诊断了所有验证图像。“ResNet3D+SVM分类器”的肠癌腹膜转移诊断的准确性高达94%，AUC为0.922，敏感性和特异性均高达94%，明显优于常规增强CT的诊断能力。
中山大学
2021-04-13