|
搜索
搜 索
高等教育领域数字化综合服务平台
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
三维点云与光学影像融合装备
考虑三维点云缺少颜色信息和光学影像缺少空间信息的互补特性，三维点云与光学影像多光融合装备可以提升数据的信息量，基于三维点云和二维图像融合的可视化结果，能够增强三维场景真实感，相较于可见光图像，融合后的三维点云可以实现多角度观测，能够更好的表达的空间特征。
相较于原始和伪彩色点云数据，融合后的三维点云有了色彩纹理信息，目标的形态和边缘都更加明显，整个三维场景更加的真实，也为后续识别、定位、重建等过程提供更多细节信息；同时克服了单一传感器的局限性，充分发挥两者的互补优势，大幅提升了探测设备的环境适应性，适用于全天时复杂场景的下目标探测，具有很强的实用价值。在无人驾驶领域，譬如智能导航、环境感知、高精度地图的构建等，都依赖于可见光图像和点云的融合处理。大家所熟知的百度 Apollo、谷歌 Waymo 自动驾驶系统均应用视觉相机和激光雷达作为主传感器进行定位和环境感知，目前已经实现 L4 级别的高度自动化驾驶。此外，在医学影像、高精度工程测量、工业生产、虚拟现实等领域，三维点云和可见光图像融合技术也有着广泛应用。
图1.三维点云与光学影像融合效果
北京理工大学
2022-12-12
医学影像云诊断思维训练与考核系统
该系统基于各级医疗系统的影像科研临床应用基础及各类院校影像教学大 纲而开发，贴合各级诊疗机构日常诊疗习惯和院校教学大纲需求，方便教师对各 类影像图片的展示和教学，能更好的让学生全面对各类影像进行阅片、报告书写 练习，以及熟悉临床应用及诊疗流程，有利于训练学生的影像技能操作能力及就业。
山东新华医疗器械股份有限公司
2022-11-08
双色 LED 植物生长灯
LED 具有体积小、寿命长、高亮度、低发热的特点，用这种新 型节能光源代替已有的人工光源进行植物的高效生产，在农业中具有广阔的应 用前景和较高的实用价值，仅植物工厂化育苗产业一项就为 LED 光源提供了巨 大的消费市场，据相关专家的测算，幼苗仅出口一项就达到近百亿株之巨量， 国内年消费量则更大。本项目以植物光合作用的吸收光谱为对象，通过基质组 成和对 ns2 掺杂离子的设计调控荧光光谱，研制出了激发光谱与近紫外芯片、 发射光谱与植物光合作用的吸收光谱的匹配，新型蓝红双色 LED 植物生长灯。 光谱辐射范围从 400-650nm,并通过调节掺杂离子比例，实现蓝、红光相对强度 的可调节性。满足不同植物、不同生长阶段的需求。
青岛农业大学
2021-04-11
植物油酶法脱胶
油脂精炼过程中，脱胶是非常重要的一步工序，脱胶效果的好坏直接影响到油脂精炼的效率和最终产品的质量。传统的脱胶方法常存在产品质量不稳定、消耗大、得率低、“三废”排放量大等问题。酶法脱胶工艺是现代工业生物催化技术在传统油脂行业中的应用，是对现有化学或物理脱胶工艺的改进，以提高其经济性和环保性，有着广泛的发展前景和重要的经济和社会价值。本技术以自行筛选所得菌株BIT-18表达的磷脂酶为对象，开发了该磷脂酶在大豆油、菜籽油等常见油脂酶法脱胶中的应用，已完成了实验室工艺优化，建立了适于工厂规模油脂酶法脱胶工艺
北京理工大学
2021-01-12
集装箱式植物工厂
当前 LED 植物照明应用突出的问题是能耗高，一个根 本原因在于缺乏对 LED 有效光谱成分和组合的智能调控。 本项目开发的“植物生长智能光探测调控系统”采用一种创新手段对植物需要的光谱成份进行探测，根据实时探测的结果对 LED 灯具的光谱成份、光强进行闭环控制，实现 对植物生长过程中的光照进行精确控制，从而提高植物工 厂的能量利用率，降低能耗。 植物工厂生产效率高，土地利用率高、立体形式使栽培面积提高了几倍甚至几十倍，可以不受外界环境影响， 实现周年不间断栽培。
中国科学技术大学
2021-04-14
促进植物生长灯的制备
在光源的可见光光谱（380-760nm）中，波长为640-720nm的红橙光，光合作用最强；波长为400-510nm时的蓝紫光，起次等强度的光合作用。植物生长阶段主要吸收蓝紫光和长波的红光，400-510nm和640-720nm两个波段的辐射能是有效生理辐射能。研制的专用荧光粉及其照明装置具有普遍适用性，也可用于种植其它蔬菜、水果和花卉。其研究内容有：植物专用荧光粉的合成；植物组培专用光源的研制；专用人工照明系统的功率密度、安装位置、专用灯设计及制
南京工业大学
2021-01-12
解析植物免疫信号调控机制
揭示了酪氨酸磷酸化对于植物免疫受体激酶活性调控的重要作用，解析了作为分子开关的关键酪氨酸位点的“预磷酸化-去磷酸化-再磷酸化”循环调控机理，促进了人们对于植物先天免疫信号调控机制的理解。 蛋白的磷酸化和去磷酸化是调控植物细胞信号转导的主要机制之一，蛋白酪氨酸磷酸化在动物细胞中的重要作用被广泛证实。然而，植物免疫受体激酶通常被归入丝苏氨酸激酶。本研究提示酪氨酸磷酸化对于植物先天免疫的重要调控作用，揭示了植物受体激酶与磷酸酶协同作用，通过对分子开关（关键酪氨酸位点）的循环磷酸化修饰，实现免疫信号转导的精细调控。
中山大学
2021-04-13