|
搜索
搜 索
高等教育领域数字化综合服务平台
IMAGINELab视觉感知和大数据分析
自然场景视觉感知与理解是人工智能的前沿热点，其主要任务是对场景中的视觉要素进行认知，进而推断出其中包含的场景语义。IMAGINE实验室近年来相继从场景构成分析、场景内容推理、场景结构建模等角度对这一问题展开了系统研究，着重探索了融合先验建模与深度学习的自然场景视觉理解这一问题。大数据具有规模大、种类多、产生速度快、有价值数据密度低等特点。对大数据信息分析具有重要意义，也是目前研究的热点，其主要任务是利用数据分析的方法从大数据中获取有价值信息。IMAGINE实验室近年来结合深度学习前沿技术和传统数据分析方法进行数据分析和预测，并在海关大数据分析项目和国网电力冰风灾害预测项目中进行应用
南京大学
2021-04-10
疫情大数据实时可视分析系统
北京大学信息学院机器感知与智能教育部重点实验室袁晓如研究组设计开发了一系列大数据可视化与可视分析工具。针对目前在新冠疫情方面形势变化，通过处理、分析、接入多种数据，提供多维度、多视角的交互式可视化。 项目组件包括1.疫情变化晴雨表，可视化各地每日新增病例和变化趋势；2.各类动态时空地图，提供在地图空间浏览分析和多角度对比国内外各地疫情趋势；3.相关舆情可视分析，分析媒体和社交媒体舆情影响；4.综合态势可视分析系统，支持面向专家或者决策判研。
北京大学
2021-02-01
多模态医学数据智能分析系统研发
1.痛点问题
在临床医学实践过程中，会产生医学图像、电子病历、生命组学等多种类型的医学数据，这些数据能够从不同角度对患者的病情进行刻画。因此实现多模态临床医学数据的自动化和智能化分析，有利于推动国家健康医疗大数据产业的发展，助力“健康中国”战略的实施。
我国不同地区医疗水平差异较大，医疗资源在空间上分配不均。某些科室如影像科、病理科有较大的医师缺口，供需矛盾突出。这种供需不匹配的问题也造成了医生工作负担加重，患者等待检查结果周期变长等诸多问题。在当前情况下，短期内无法通过培养更多的新医生来缓解医疗资源供需紧张的问题。
为缓解上述问题，目前已有企业推出了基于人工智能的辅助诊疗产品，但这些产品大都针对单一模态的医学数据，无法从整体的视角进行辅助诊断和决策，辅助诊断的准确性仍有较大的提升空间。
基于以上痛点问题和产业机遇，我们希望通过技术创新，研发出一套有效的多模态医学数据智能分析系统，应用“多模态医学数据+人工智能”的技术模式，缓解当前医疗资源供需紧张的社会问题。
2.解决方案
本项目旨在研发对多模态医学数据进行有效整合分析的人工智能方法。处理的数据类型包括：患者的医学图像、电子病历、生命组学等多种模态的医学数据。针对医学图像数据，构建目标检测与分割、特征提取、相似图片检索等智能化算法；针对电子病历数据，构建分词、医学实体识别和标准化算法；针对生命组学数据，研究基因突变致病性预测的深度学习算法。上述多模态医学数据智能分析技术为基础，研发多模态医学数据智能分析的系列软件产品，为医院提供人工智能辅助诊断等应用产品。
3.合作需求
寻求与医疗机构、医疗设备耗材企业、远程病理运营企业开展相应的合作。
清华大学
2022-10-09
Tempo Talents大数据分析科研平台
平台以拖拽式、低代码方式进行数据处理、可视化分析，为教师科研、学生自助数据分析探索应用提供工具支撑。在大数据分析平台中，用户能够随时更改观察数据的维度、指标，让数据能够以丰富的图表方式进行迅速、直观的表达，同时借助联动、钻取、链接等交互操作，发现数据内部的细节规律，在操作交互过程中与数据进行直接、实时的对话。1、数据准备可视化分析平台能够快速完成数据的添加，并支持对于数据表的数据分析与洞察。根据分析需求，系统提供数据关联、数据过滤、数值替换、重命名、数据分组、分段、去除空格、数据列合并、拆分、自定义列、地理分析等数据预处理功能，满足基础的数据清洗、转化、集成需求。2、可视化设计支持学生通过拖拽的方式更改观察数据的维度、指标，并将数据以丰富的图表方式，进行迅速、直观的表达。整体分析过程无需编码，为学生提供极简易用的操作体验。平台提供图形的智能匹配与图形切换功能，支持学生随时更改图形类型，寻找更贴切的图形表达方式来诠释业务含义。支持多数据表的分析模式，学生在分析时，可选择多个表的字段直接制图，无需提前建立数据集（宽表）。系统会自动检索表关系，在后台自动生成数据关系，学生也可手工指定多表之间的多种关联关系，关联关系支持常见的雪花、星型等模式。关联关系一旦设定后，可被其他图形复用，极大的增强了数据模型的灵活度，满足了更为复杂的业务分析场景。3、图形组件开发作为“计算机”、“大数据”专业技术学科的学生，除了掌握图形基础用法和分析方法外，可以利用每一个图形的“编码”功能实现图形深层次的开发和自定义。还可以利用R\JS编码的方式，进行全新的可视化图表开发，图表可以与当前页面融为一体，形成完整的分析场景。4、成果管理监控总览提供对可视化发布后成果的全局监控与管理。教师可以了解到发布的成果数量，成果收藏情况，成果访问情况等信息。帮助教师更好的进行全局可视化成果的管理。5、数据门户主要是针对科研人员已经发布的可视化场景、报告、Word报告进行分类管理，支持针对研发成果进行统一权限管理。
美林数据技术股份有限公司
2022-07-15
“栖航”校园数据分析平台
从决策管理、信息中心、教师教学、学生学习等层面进行多维度分析，为校领导提供全校的可视化数据分析。
成都华栖云科技有限公司
2021-02-01
滑雪运动员运动信息采集与分析系统
该系统能够监测运动员运动过程速度信息、加速度信息、起跳高度信息及运动员过旗门、弯道数据信息等，并将三维实景显示、运动员高精度定位、视频采集与显示为一体。通过5G网络和云计算技术使教练能够清晰准确的获取每一时刻的运动数据。
关键核心技术突破
二、技术分析
2022年北京冬季奥运会召开在即，在国家重点研发计划“科技冬奥”项目支持下，在雪上项目三维场景获取及重建的基础上，为进一步提升雪上项目运动员的训练效率，需要获取雪上项目运动员实时位置、速度、加速度、滑行姿态等信息，本团队开发了以高精度实时定位、运动参数解算、运动姿态显示、5G高速传输链路、云计算为特色的滑雪运动员运动信息采集与分析系统。
该系统能够监测运动员运动过程速度信息、加速度信息、起跳高度信息及运动员过旗门、弯道数据信息等，并将三维实景显示、运动员高精度定位、视频采集与显示为一体。通过5G网络和云计算技术使教练能够清晰准确的获取每一时刻的运动数据。该系统填补了国内外针对运动员高精度信息采集与分析的技术空白，以厘米级定位精度为冬奥训练保驾护航。
滑雪运动员运动信息采集与分析系统突破传统单一方式定位技术局限，采用北斗/GPS定位为主要定位手段，UWB和惯导辅助定位的方式进行高精度定位。采用高精度机载三维扫描LiDAR系统对雪场及周边环境进行扫描与重建，获取雪场的的真实三维场景，通过5G高速数据链路和云计算平台，将滑行轨迹和滑行数据在真实三维场景中进行显示。同时，通过5G高速视频采集和传输模块，将由无人机跟拍或定点拍摄的视频进行同步显示，以便教练在观察滑行轨迹的同时观察运动员的滑行姿态。
现阶段，滑雪运动员运动信息采集与分析系统已在国家高山滑雪运动队、自由式滑雪运动队测试使用，并初见成效，获得好评。
北京理工大学
2022-08-17
1比特压缩感知的低功耗数据采集与重构方法
本发明基于压缩感知理论将将测量的信号通过1比特量化，去掉了之前被测信号能量为1的假设，通过循环迭代的公式最小化凸的替代函数，最终恢复出要测量的信号，相比于之前相关算法明显的提高的信号的恢复精度。
电子科技大学
2021-04-10
执法过程音视频数据自动采集和管理系统
该系统采用数据采集专用终端对多种类、多型号便携式取证设备产生的音视频资料进行采集，实现电子证据采集自动化。采集终端设备具备接入设备认证、数据加密、时间校准以 及自动充电等功能，达到解放人力，提高执法办案人员工作效率的作用。可将执法场所监控视频抽取至统一音视频数据管理平台，与便携式取证设备对接处警、 执法现场等执法行为形成的音视频资料一起，共同形成完整的执法过程音视频管理资料库。 专用采集终端设备将数据采集到统一数据管理平台，各级不同用户根据权限通过统一的执法过程音视频管理系统实现数据共享。上级执法管理部门可实现跨区域跨级别执法资料的 查询、调用与统计，有效掌控一线民警的执法情况。执法监督部门可通过后台管理系统实时查看、监督执法过程音视频资料采集的及时性、 完整性、规范性，通过自动统计分析，对各单位执法规范化水平和执法办案人员工作绩效情 况进行量化统计。
清华大学
2021-04-11
一种基于 FPGA 控制的数据采集方法及装置
本发明公开了一种基于 FPGA 控制的数据采集方法和装置。方 法包括以下主要步骤：S1 上位机通过 USB 将命令下传给 FPGA 芯片； S2 解析接收到的命令，判断是电磁超声检测还是漏磁检测；S3 若为电 磁超声检测，则 2-1MUX 模块选通 A 输入，脉冲发生模块产生激励信 号，进行电磁超声检测以及数据采集；若为漏磁检测，则 2-1MUX 模 块选通 B 输入，进行漏磁检测和数据采集。本发明还公开了实现上述 数据采集的装置。本发明方法成功实现将漏磁与电磁超声两种检测结 合在一起，以 FPGA
华中科技大学
2021-04-14
工业大数据分析平台与应用
研制背景：企业数据处理与数据分析需求在扩大，数据投入在持续增加；数据种类多，数据量大，潜在价值高；使用者难以有效地操作使用；业务复杂，调参静态组合参数过程繁琐；
平台技术：
微服务的构建方式，微服务、前后端完全分离。
分布式开发框架——SpringCloud
Web开发框架——SpringBoot 、VUE（ELE）
机器学习算法框架——R、Spark集群计算
数据存储工具——Mysql、JPA、Hadoop（集群）
中间件: RabbitMQ
山东大学
2021-05-11