|
搜索
搜 索
高等教育领域数字化综合服务平台
福建保尔信息产业有限公司
福建保尔信息产业有限公司是一家专业从事学校教学，学生在校安全管理、软件硬件系统的研发、转让、销售、安装、服务的创新科技型企业。公司总部设在福州市软件园，研发生产基地设在厦门思明区九州商社大厦、平潭综合实验区台湾创业园，是中国教育装备协会、福建教育装备协会会员单位。
公司依据“中华人民共和国教育部23号令”有关精神，自主研发的“校园考勤通”、“佳校一网通”系统，有效解决了以往学校管理层、教师、家长等多方就学生考勤、课堂表现、作业情况、考试成绩等信息难以及时、准确交换与沟通的难题。此系统已经在全国多个省份，几十所学校运用，赢得了使用单位管理者、教师及家长的一致赞誉和好评。该系统获国家发明专利(专利号：ZL201020560229.9)，并列入中国教育装备网供货目录，福建省教育装备推荐目录。
福建保尔信息产业有限公司
2021-01-15
福州吉高信息科技有限公司
公司一直致力于财经类教学软件的研究、开发和销售。公司自主开发的产品有：国际贸易经营实战电子沙盘软件、商业银行经营实战电子沙盘软件、财富管理经营实战沙盘软件、商业银行3D和VR仿真软件、虚拟仿真平台实验教学软件等。
国际贸易经营实战沙盘软件、商业银行经营实战沙盘软件、财富管理经营实战沙盘软件为福建省教育厅、福建省人力资源和社会保障厅和福建省平潭综合实验区管委会联合主办的“两岸大学生国际贸易经营实战沙盘竞赛”、“两岸大学生商业银行经营实战沙盘竞赛”和“两岸大学生家庭财富管理经营实战沙盘竞赛”指定软件。
在2018年，教育部高等学校经济与贸易类专业教学指导委员会也作为两岸大学生国际贸易经营实战沙盘竞赛的主办方。
成功案例：江西财经大学、江西师范大学、江西科技学院、山西大学、华侨大学、集美大学、厦门理工学院、福建江夏学院、厦门工学院、龙岩学院、泉州信息工程学院、浙江外国语学院、浙江水利水电学院、宁波财经学院、合肥学院……
福州吉高信息科技有限公司
2021-12-07
广州联智信息科技有限公司
广州联智信息科技有限公司是一家致力于移动互联网、 智能软件产品研发的创新型科技企业，提供以云计算、大数据、互联网+等技术为核心的综合性IT解决方案和服务，始终坚持通过持续创新为客户创造价值，打造了“咨询为先导，产品为依托，服务为核心”的业务模式，致力于向市场推出技术领先的优质产品和解决方案。
广州联智信息科技有限公司
2021-11-01
江西东蕾信息科技有限公司
公司自2016年1月成立以来，公司主要的行业应用方向为：政府/教育/金融/企业，目前交付完成的项目涉及银行、互联网+洗衣连锁、自媒体广告推广、汽车营销、电力、教育、物流等行业。“为客户创造最大的价值”是东蕾科技一贯的经营宗旨，“用我们的创新与细心，让公司成为最受客户欢迎的互联网企业” 是我们不断追求的目标。
江西东蕾信息科技有限公司
2021-11-02
广州云歌信息科技有限公司
广州云歌信息科技有限公司成立于2014年，总部设在国家863软件专业孵化器广东基地广东科学软件园，短短数年时间，已成为国内高校智能互联专业群实验室的领导者。云歌科技是一家专注于教育信息技术输出的高新技术企业，作为粤港澳大湾区创新中心核心枢纽的黄埔经济开发区及广州市人工智能入库企业，公司一直专注于人工智能领域算法的研究，为客户提供一站式的人工智能技术应用服务，技术顾问团队都是来自相关专业博士、硕士及国内外学者。公司成立以来，依托着先进的研发水平及专业的教育行业背景，打造具有自身特色的服务+产品的业务模式，得到全国多所高校的肯定。公司从2018年开始，从专注高校实验室建设的单一输出模型，在数字时代下，通过人工智能技术的沉淀，通过转型技术服务，对教育行业的价值链进行重构，从2019年开始，开始下沉到中小学智慧教育市场，目前也得到客户的一致认可。云歌目前已在四川、重庆、广西、湖北及湖南等地成立了办事处，为全国所有高校提供以人工智能、移动应用开发、移动互联应用技术、智能产品开发、大数据以及机器人等专业为主营业务的专业建设服务整体解决方案。云歌通过自主研发和采用国内外最先进的信息技术，创造了课程定制化开发、专业诊断服务专业、人才评测机制先进、实验资源种类齐全的计算机专业群建设一体化服务模式，目前已取得多项专利及软件著作权，拥有定制化的智能互联网专业群实验室建设方案已被全国200多个高等院校认可。
广州云歌信息科技有限公司
2021-12-07
广州长荣信息科技有限公司
公司成立于2014年,是一家致力于系统集成,软件开发,信息技术咨询及设计服务，安全技术、多媒体、计算机和网络产品代理销售于一体的新兴技术型企业。 秉持技术的发展及应用为了降低成本的宗旨，长荣公司融合各类前沿技术推出了『长荣WIFI麦克风』。
广州长荣信息科技有限公司
2021-12-07
西安辉达信息科技有限公司
西安辉达信息科技有限公司成立于2015-08-03，法定代表人为史李娜，注册资本为500万元人民币，统一社会信用代码为91610131322340403B，企业地址位于陕西省西安市高新区丈八四路6号缤纷南郡14幢22602室，所属行业为商务服务业，经营范围包含：一般项目：网络与信息安全软件开发；技术服务、技术开发、技术咨询、技术交流、技术转让、技术推广；计算机软硬件及辅助设备零售；数字视频监控系统销售；办公设备耗材销售；教学用模型及教具销售；办公设备销售；教学专用仪器销售；劳动保护用品销售；广告设计、代理；广告发布（非广播电台、电视台、报刊出版单位）；广告制作；工程管理服务；专业设计服务；财务咨询；企业管理；信息咨询服务（不含许可类信息咨询服务）；会议及展览服务。
西安辉达信息科技有限公司
2021-12-07
西安雷海信息科技有限公司
西安雷海信息科技有限公司，成立于2018-09-29，注册资本为200万，法定代表人为杨峰，经营状态为开业，工商注册号为610131100517875，注册地址为陕西省西安市高新区丈八街办高新四路高科花园16号楼6幢50702室，经营范围包括雷达及配套设备、船舶电子设备、数据通信设备的开发、设计、生产、销售、技术服务、转让、咨询、租赁及工程安装；计算机软硬件、通信设备、网络设备、自动化控制设备、工模具的技术开发、生产、技术服务和销售；高分子材料研发、生产、销售；技术认证信息咨询；货物与技术的进出口经营（国家限制、禁止和须经审批进出口的货物和技术除外）。
西安雷海信息科技有限公司
2021-12-07
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