在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。    本实验室与中国中医科学院合作进行中医临床数据仓库与挖掘分析平台，以及中医临床数据挖掘方法的研究，实现了对中医临床采集病历数数据的集成与整合，数据挖掘与分析的中医临床数据仓库及挖掘分析平台，该平台旨在支持从真实世界中医临床诊疗中产生海量科研分析用数据，并以真实、高质量的数据为基础进行中医临床与理论研究，为中医临床疗效评价、临床中药新药创制提供客观的医学证据和适宜的数据分析方法。该成果于2009年12月获得国家科技进步二等奖。   名老中医OLAP展示例子 1.2多维分析与复杂网络分析系统   以中医临床数据中症-证-治的复杂关系和复杂网络分析方法研究为出发点，开发实现了中医临床复杂网络分析系统。该系统包括如联机数据筛选、复杂网络建模、统计特性分析、可视化网络数据筛选等基本功能，能够支持中医临床诊疗数据中的疾病（中西医）、症状、证候、药物等实体内部元素以及实体之间元素的网络模型构建和多种复杂网络分析方法如节点中心性分析、社团分析、节点相似度分析等。从大量的临床数据中分析获得临床核心处方及其主要适应症，以及随症加减信息。该系统采用Eclipse 富客户端(Rich Client Platform, RCP)和Java语言开发（下图是该系统的主界面）。  在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。  获奖证书   1.中医临床数据仓库与挖掘分析平台 通过分析中医临床数据元素及其多维、多层次的关系特点，研究设计了中医临床参考信息模型，以及为基础构建中医临床数据仓库细节数据模型和多维数据模型，建立以数据仓库为核心的数据整合、数据抽取/转换/转载和数据整理、数据挖掘、OLAP和统计分析的智能信息处理平台。该平台以中医临床数据仓库及其运行环境工具的构建为基础，基于实际的临床诊疗数据，实现对中医诊疗数据进行多主题、多粒度、多需求、高效、快捷的展示、研究和查询检索，并支持基于Web的OLAP主题应用，为名老中医经验继承研究、中医临床评价研究和临床科研提供实际的诊疗数据证据和知识来源，以支持临床科研决策分析，满足中医临床评价研究的探索性分析需求。针对中医临床数据的特点，研究体现中医临床数据模型特点的数据挖掘新方法，为面向中医临床研究的数据挖掘和机器学习方法研究提供新的思路和研究方向。该平台的构建初期以重大慢性疾病：中风、冠心病和糖尿病诊治规律，以及名老中医经验传承研究为支持目标。   中医临床数据仓库平台   1.1中医临床数据预处理技术临床数据的预处理包括数据整合、数据整理和数据转换等技术，我们面向中医临床数据结构内容以及中医临床研究的分析需求，实现具有完善的数据抽取-转换-装载（Extraction-transforming-loading，ETL）、数据整理和数据转换导出功能的数据前处理软件。该软件针对医学数据利用中的分布式（多采集点）采集、患者隐私保护和大规模数据处理的特点，采用灵活的数据映射配置和临床术语库衔接等方式把各采集点数据导入到临床数据仓库中，并支持批量数据核查和数据规范整理（对临床数据中的术语性数据如症状体征、诊断和药物等进行概念化语义规范）功能。   在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。   名老中医OLAP展示例子    以中医临床数据中症-证-治的复杂关系和复杂网络分析方法研究为出发点，开发实现了中医临床复杂网络分析系统。该系统包括如联机数据筛选、复杂网络建模、统计特性分析、可视化网络数据筛选等基本功能，能够支持中医临床诊疗数据中的疾病（中西医）、症状、证候、药物等实体内部元素以及实体之间元素的网络模型构建和多种复杂网络分析方法如节点中心性分析、社团分析、节点相似度分析等。从大量的临床数据中分析获得临床核心处方及其主要适应症，以及随症加减信息。该系统采用Eclipse 富客户端(Rich Client Platform, RCP)和Java语言开发（下图是该系统的主界面）。     中医临床复杂网络分析系统  1.3 真实世界中医临床有效处方发现系统 中药新药创制与研发是极具挑战和机遇的领域，当前化学制药和单成份药物研发已经出现明显的瓶颈，传统植物/天然药以及多成份复方药物的研发成为国内外关注的焦点。而从多成份调控和多靶点机理的研究为主要视角的网络药理学更成为新的趋势和方法。针对中医临床诊疗过程中具有证-治-效信息，且个体性的真实世界诊疗实践特点，我们研究基于大规模临床诊疗数据进行有效处方分析和发现的问题，通过对以中药复方为重点的治疗手段药物组成原理的分析，基于复杂网络模型和方法研制形成了有效核心处方及适应症分析方法、有效临床中药筛选与发现系统，对基于真实世界临床诊疗数据分析获得有效处方知识的方法、技术平台和示范应用进行了探索和初步实践，初步表明从真实世界临床诊疗数据中发现和挖掘有效方药是一种可行的途径，有望为中医新药创制提供可以验证的新处方、新药物等临床有效目标药物。     1.  中医临床数据挖掘分析方法 海量观察型临床数据是中医辨证论治数据的主体内容，具有复杂、多维和多关系的特点。从大规模中医临床观察数据中分析提炼形成有意义的临床假设或诊疗知识如有效处方、人群划分、药症关系以及多阶段优化治疗方案等，是实现从复杂、系统的中医辨证论治过程中发现并确认有效优化的临床诊疗处方及其药物组成的基本方法。中医临床数据包括门诊数据和住院数据两大主要部分，其数据内容由临床表现、诊断和治疗（临床疗法）三部分核心内容（如下图），其中辨证知识、证候分布、药症关系、方证关系和药物组成等是数据挖掘和分析的主要目标，而所有这些知识的有效性的评价依据是临床疗效，即确认和发现临床有效的中医诊疗知识是中医临床数据挖掘分析方法的主要有价值研究目标。    中医临床数据挖掘问题：在疗效信息的约束下，验证和发现有价值的临床诊断/治疗关系知识。  2.1基于复杂网络的中药配伍分析方法 人们通过对中医临床处方数据的初期分析，并与临床专家的交流中发现，名老中医的临床复方的组织特性体现在两个层次。第一层次为临床医生一般以经典复方（包括经方、时方和验方等）为基础进行临床处方；第二层次为在药对或药症关系基础上的药物随症加减处理。这两个层次的临床处方配伍过程形成了具有核心处方结构，而又具有较大灵活性的处方集合。因此，通过对名老中医处方集的共性网络结构分析，能够发现体现其处方思维和学术特点的核心处方配伍结构，从而辅助进行名老中医经验的传承和整理研究。通过应用基于无尺度网络现象的网络分析方法进行研究。无尺度网络作为复杂系统研究的一种实证现象和方法，对基于网络研究复杂现象和复杂系统的方法具有很大的推动作用。具有宏观无尺度现象的网络在拓扑上存在幂律现象，即节点的度分布服从幂函数分布。这在医生处方中的具体体现就是某医生对药物的使用具有比较集中的趋势，某些名老中医偏好使用某些药物，使得这些药物的已有或潜在功效得到更大的发挥或挖掘。 我们基于网络中权值的幂律分布规律，实现了多层核心子网分析方法，能够从复杂的中药配伍网络中抽取多层核心子网。该算法已经在名老中医处方配伍经验的分析中得到广泛应用。其得到的结果具有直接而明确的临床含义，且可靠性较强。第一层核心子药物子网一般解释为共性的核心处方；第二层解释为主要药物配伍；第三层解释为次要药物配伍。这些药物配伍分别对应样本的核心病机如主要疾病和主要证候等、兼证和加减症状等。以下是两类特定中药处方：1287个肝脾不调证(GPBT)处方和752个2型糖尿病合并代谢综合征处方的分析结果。   特定中药处方的核心药物配伍网络和主要加减网络，其中的网络中的节点是药物，边的权重表示两相关药物配伍使用的次数。 2.2基于隐主题模型的疾病人群临床特征类别分析方法 症状-中药-诊断主题模型（Symptom-Herb-Diagnosis Topic model，SHDT), 用来提取中医临床数据中的症状、中药和诊断间的隐主题结构。SHDT模型是LDA主题模型在多关系应用中的扩展。该模型的核心思想是假设一类样本里面包含有多个主题，例如，一类糖尿病人群有不同的并发症，且这些主题所包含的信息特征（以症状来表达）具有相对完整性和独立性。SHDT把每个主题看作是症状上的多项式分布，并通过症状来表达主题的内容；同时，把每种中药看作是主题上的多项式分布，因为一类中药可以治愈多种症状/疾病；又因为一种诊断包含多种症状/疾病，于是把诊断看作是对主题的描述，构建一种“症状-中药-诊断”主题模型。SHDT模型这种分析原理和思路与中医辨证论治过程基本吻合，它可以客观地按照症状找到自然分类人群，给出诊断描述特征和中药治疗特征。SHDT模型分别在2型糖尿病、冠心病和肝炎等慢性疾病中进行人群特征分析。实验结果说明了该模型具有较好的适宜性和科学性，分析结果能够较为完整的反映特定疾病中相关的主要人群特征类别。   症状-中药-诊断主题模型，图中三个黑色圆圈，代表显变量（观察变量），其中s 表示一个采样症状，表示患者p的所有药，表示患者p的所有诊断。白色圆圈代表隐变量，其中z 采样症状s对应的主题，x表示s对应的药，u表示s对应的诊断。矩形框表示重复采样。外部矩形框表示在集合中有P个患者。内部矩形框表示对患者p的个症状、主题、药物以及诊断重复采样。 2.3基于内隐对照和部分可观察马尔可夫决策过程模型的动态序贯处方治疗方案优化方法 中医辨证论治是症-治-效紧密相关的个体、动态的复杂干预过程，动态序贯干预是中医临床治疗慢性疾病的基本方法。以患者为轴心的治疗原则和医生的个体性特点，使得中医动态序贯干预过程中包含多样化的治疗方案。在临床诊疗经验知识的形成阶段，医生往往通过对治疗前后患者健康状态的判断，试图获得较好的治疗方案的认识，进而逐步形成固化的有效经验性治疗方案。因此，在无外部对照的情况下，如何从大规模的复杂多维临床关系数据中发现并确认在临床实际中较优的动态序贯诊疗方案是有效临床方案形成的重要课题。 考虑到实际可行性和研究代价的问题，在未有明确的有效干预方案形成的临床研究初期，无外部对照的传统中医经验整理和归纳普遍存在，且长期的中医学实践表明是有效的。但由于临床诊疗信息关系的复杂性，基于传统经验整理方式形成有效治疗方案是一个较为漫长的过程。 因此，如何借助源自真实世界（无外部对照）的大规模临床观察数据，进行挖掘分析，以辅助发现和确认较优的临床治疗方案成为辨证论治临床评价研究的关键问题之一。我们采用部分可观察马尔可夫决策过程模型(POMDP)对此问题进行研究，实现了基于POMDP的中医临床处方优化分析方法，以探寻从来自临床实际的大规模观察性临床数据中发现较优或最优的动态序贯治疗方案，为中医辨证论治有效动态干预方案的形成和临床验证提供参考知识。   中医临床诊疗过程对应的POMDP模型 1.  成果的推广应用 本成果已经在国家科技重大专项：重大传染病防治、重大新药创制等两个项目；国家科技支撑计划项目-名老中医经验传承研究；北京市科技攻关项目和国家中医临床研究基地等项目中进行推广应用。分别对艾滋病、肝炎和肺结核等传染病的中医药防治规律，从中医临床中分析确认有效处方与药物，名老中医的辨证论治个体诊疗经验，中风、冠心病和糖尿病等重大慢性疾病的临床诊治规律，以及全国10余家重点中医院诊疗优势病种（如上海龙华医院的中医胃癌治疗、骨关节病治疗；河南中医学院一附院的中医艾滋病治疗、中医慢性阻塞性肺炎治疗等）的临床诊疗优化方案等进行应用研究。逐步探索和完善中医临床科研一体化技术体系，支持基于临床诊疗实践及其真实世界诊疗数据，进行中医临床研究和中药新药创制研究的医学模式。   北京地区22家单位应用分布图

随着我国旅游业的飞速发展，旅游对生态环境造成的压力越来越大，对旅游目的地过度开发而产生的消极效应也开始出现，并逐渐显示出其巨大的潜在威胁，安全隐患突出，环境质量急剧恶化，等等，所有这些都不同程度地威胁着景区生态旅游业的可持续发展。该成果可应用于基于RFID技术的景区管理上，实现景区高效率的精细化管理。 RFID九寨沟景区管理系统旨在解决景区资源利用效率和游客拥堵问题，促进RFID技术在旅游景区、展览馆、博物馆的大规模推广应用。景区管理系统主要分为数据采集、门禁系统、智能导览系统、分布式管理平台四个部分，分布式管理平台对其它三个部分进行统一的管理。 整个网络平台由多个类似的局域网组成，每个局域网在逻辑上有其独立的功能，而同时又受管于统一管理平台，各个景区及博物馆的展示将由统一的门户网站完成，从而实现了景区、展览管、博物馆的一体化管理，有效整合了整个行业的资源。 4、 门禁系统能够实现售票、验票、回收、打印明信片、制票及票务数据管理等功能； 5、 经过阅读器的所有RFID标签都可以通过读写器获取，然后实时将RFID数据发送到后台系统中，实现实时调度； 6、 监控系统能够完成密度监控与行为追溯、基于RFID的游客参观行迹记录和追溯及数字化景区实时展示等功能； 7、 数字化导览部分通过集成RFID读写器的手持导览设备读取13.56MHz的无源高频标签信息，在后端数据库中检索标签记录并进行实时数据传输。

功能描述 目标模拟：战机目标、空中小目标、海面目标 干扰模拟：欺骗目标、密集假目标、同频异步干扰、噪声干扰 杂波模拟：地杂波、海杂波 技术指标 ？ 目标模拟： 目标个数：每个干扰源最多12个，系统最多可模拟36个；目标运动方式：径向直线运动，包括加速、减速、匀速运动；目标截面积：0.08m2~600m2；目标径向速度：-1100m/s~1100m/s；目标距离：30km~800km；目标起伏模型：斯维林I、Ⅱ、III、Ⅳ型 ？ 干扰模拟： 欺骗目标个数：每个干扰源最多9个，系统最多27个；密集假目标个数：每个干扰源最多128个，系统最多384个；同频异步干扰个数：每个干扰源最多1个，系统最多3个；噪声干扰种类：瞄准式噪声、扫频式噪声 ？ 杂波模拟 杂波类型：地杂波、海杂波；幅度分布类型：瑞利分布、对数正态分布、威布尔分布；功率谱类型：高斯分布、指数分布

果包括自适应高性能回波对消系统的算法实现、固件（FPGA）实现，算法与FPGA实现已全面优化，可实现单通道或多通道的高性能回波对消功能。课题组在自适应信号处理领域的研究已取得较显著的进展，申请国家发明专利3项（已公开），实用新型专利2项（已公开）。 应用本成果，可有助于实现小型化的数字电视直放站、数字无线通信直放站、雷达干扰机等设备，显著提高系统性能。 图1 样机正面照片 图2 样机背面照片 图3 内部电路调试照片 图4 实验平台照片

（1）主要功能和应用领域 本成果面向环境与灾害监测预警需求，可在地形复杂、通信条件受限、运营维护困难的复杂环境下，建立监测预警信息传输系统，实现监测预警工作的持续、可靠运行，解决现有监测预警网络中的覆盖面受限、长期持续监测难度高、信息传输可靠性低等问题。 本成果可应用于自然灾害监测预警与应急处理、各种类型的环境监测等领域。 （2）特色及先进性 基于三大核心（新型组网架构、高效节能机制、可靠传输保障）机制，设计八项创新技术。提出了基于监测事件预测的节能机制和能量均衡消耗机制，设计了支持中继转发、双信道汇聚式接入的组网架构，研发了集自动重传、自适应传输、机会通信于一体的滑坡泥石流监测预警可靠传输技术，提升了监测预警网络的稳定性和可靠性。 本成果申请国家发明专利10余项，除正在受理部分，目前已获得国家发明专利授权8项。 （3）技术指标 本成果已示范应用于龙门山地震带小流域滑坡泥石流灾害监测预警技术研究与示范系统。根据示范系统运行效果，本成果与灾害监测传统方式技术参数相比，可达到如下技术指标： ？ 丢失/出错数据恢复率提高约30%，现场通信质量越差，优势越明显； ？ 视频和图像传输实时性可提高约1/3； ？ 传感节点能耗10%-50%，监测系统有效工作时间延长20-30%； ？ 网络故障对监测预警影响极大降低，网络故障带来的数据时延趋向于0。 （4）解决问题与实施效果 当前问题 解决方案与效果 技术状态 监测点部署受限于区域通信条件 中继转发技术： 采用中继转发技术，可在无信号覆盖区域建设监测点，通过中继转发技术将监测数据转移到具备GPRS/3G/卫星信号的位置。 示范系统应用 监测点的信息传输存在数据丢失、甚至意外中断的风险 集自动重传、自适应传输、机会通信于一体的传输保障技术： （1）研发低开销、高能效自动重传技术，恢复丢失数据，较传统方式的丢失/出错数据恢复率提高约30%，现场通信质量越差，优势越明显； （2）研发视频与图像自适应传输方法，提高视频、图像传输效率与可靠性，在网络信号较差时，视频和图像传输实时性可提高约1/3； （3）设计机会通信技术，传输网络中断处监测节点的数据，在邻近节点可替代传输时，可实现网络中断带来的时延效应趋于0。 授权专利2件 示范系统应用 监测点持续工作能力受到能量供应的约束 基于监测事件预测和能量均衡消耗的节能机制： （1）研发基于监测事件预测的休眠机制，降低传感节点能耗10%-50%； （2）研发能量均衡消耗方法，监测设备有效工作时间延长24.3%。 授权专利5件 示范系统应用 监测预警系统存在故障或破坏的问题 双信道、汇聚式接入的组网架构： （1）设计双信道、汇聚式接入的组网架构，支持系统部分故障时的网络自愈能力，保障监测数据传输不中断； （2）所设计组网架构下的设备可互相自动查询工作状态，设备故障可由其邻居设备主动上报，同时保留的传统设备状态查询方式，提高及时发现失效设备的能力。 授权专利2件 示范系统应用

成果描述：本专利建立一种基于线性判别分析和独立成分分析的车辆分类方法，首先利用线性判别分析提取特征进行第一次大小车型的分类，再利用独立成分分析的第二种结构与线性判别分析的结合，进行特征提取，实行第二步将车辆分为不同的详细车型。市场前景分析：车辆分类技术有着非常重要的现实意义，车辆分类技术在自动收费系统、车辆图像检索如市场统计、流量分析及公安交通监控侦稽系统等领域中有着广泛的应用。本发明着重根据车辆视频图像的特点，即其具有较大噪声，且光照强度变化较大，同类型的车辆形状颜色等外在相似程度也较低的特点，将独立成分分析第二种结构的改进方法（FICA2）作为细分类的特征提取方法，构建特征空间进行细分类。经研究表明，本发明的方法处理速度可达到15帧每秒，满足实时处理需求，准确率达到96%以上。与同类成果相比的优势分析：本专利将独立成分分析的第二种结构与线性判别分析的结合方法，即FICA2应用到车辆图像的特征提取中来，FICA2通过寻求稀疏的编码表示，来构建一个分离度更高的子空间。 本专利提出二次分类方法，首先利用线性判别分析进行特征提取，将车辆按车型大小分为大型车与小型车两大类，然后利用FICA2进行第二次分类来达到将车型分为具体类别的目的。经实验验证，与现有的基于图像的分类方法比较，获得了更好的分类准确率。

成果描述：该系统基于B/S模式开发，采用了工业界普遍采用的实时通信与数据采集技术，结合后台大型分布式数据库，通过Web发布的形式，使得学校各级管理人员不管身处何时何地，都可以轻松地对学校各部门各建筑的用能情况进行监控和管理。软件的主要功能包括：（1）能耗监测资源整合，支持不同能耗采集硬件设备、采集系统、以及现有能源系统的数据集成和归一化处理；（2）对分类分项能耗数据和相关参数的采集，实现对能耗量的动态实时监测；（3）对能耗数据进行分析、处理，提供报表、图形、公告公示等多种展示形式；（4）为管理者能源审计、节能管理、开展有计划分步骤的节能改造提供数据依据。市场前景分析：随着全国高校节约型校园建设项目的全面铺开，该平台功能完整，架构清晰，设计具有很强的兼容性和可移植性。而且平台从2013年已经在电子科技大学部署并稳定运行，电子科技大学作为建设标杆和示范性单位，已经接待了多次高校参观，具有很好的市场推广效果，预计将有很好的市场前景。与同类成果相比的优势分析：与同类成果相比，该系统具有以下特色和优势：（1）系统设计与管理紧密结合，大大提高管理效率；（2）开放式软件接口，兼容多厂家计量表计和能耗采集系统，扩展性强，用户可独立采购硬件；（3）可集成接入其他已建成的多个现有能源管理系统；（4）模块化系统架构，易于功能修改、扩展以及定制；（5）全方位多角度能耗统计对比分析，辅助管理决策，实现科学节能。

天津大学精仪学院科研团队联合企业成功研发新冠肺炎疑似病例检测系统。据了解，该系统可快速检测新冠肺炎疑似病例并实现大数据监控预警，有望为疫情控制提供新思路。该系统的便携式检测仪单元已获得国家药监局医疗器械注册证书。该系统由“掌上模块”和“线上模块”两部分组成：“掌上模块”是一款便携式检测仪，从外观上看这款便携式检测仪只有鼠标大小，使用USB接口充电，能够连接手机电脑，满电续航超过24小时。检测仪可以单手控制，操作简单，便于入户排查。检测仪内部集成了精密的检测核心模块，与实验室大型仪器检测精度相当，能够快速判断出是否为疑似病例。掌上模块检测出的结果会自动上传到“线上模块”——疫情监测预警云平台。云平台会将检测结果进行智能化处理，上传至各级政府疾控和医疗监测机构云平台，给各级机构提供疫情预警、态势分析和决策支持，对疫情进行全方位、智能化管控。

学校卫星产业技术研究院与合作方联合推出的全国首款“疫情卫星地图”——新冠肺炎疫情卫星地图速查系统已于近日上线。新冠肺炎确诊病例陆续公布，他们是哪里人？去过哪些地方？离我们有多远？……通过“疫情卫星地图”，人们可以更加直观地了解确诊病例的具体位置。记者打开该系统发现，在卫星地图上，确诊病例的标注点像是一颗颗“图钉”，用户定位后，通过卫星遥感影像带来的“太空视角”，可以让确诊病例分布位置尽收眼底，并显示出附近的确诊病例分布与自己的距离。据了解，该系统由电子科技大学卫星产业技术研究院陆川博士和阎镜予博士组织技术力量自主研发，从研发到上线，用时不到10天。今年2月初，随着各地卫健委公布了越来越多的确诊病的例详细数据，使得开发“疫情卫星地图”有了良好的基础和可能。电子科技大学卫星产业技术研究院决定发挥自身的技术优势，为公众提供免费的疫情防控公益服务。科研团队利用AI卫星的数据智能处理和分发技术，处理遥感图片数据，并结合精确的语义识别和地理编码工具，把官方发布的疫情文字转化成了一目了然的“疫情卫星地图”。

华中科技大学电信学院联合华为云等团队，研发并推出了新型冠状病毒感染的肺炎AI辅助医学影像量化分析系统。 华中科技大学电信学院白翔教授、许永超副教授等负责的华中科技大学-华为智能创新实验室积极发挥自身优势，针对新冠肺炎与华为云等团队共同研发出AI辅助医学影像量化分析系统，目前取得了有效进展。针对患者胸部CT影像中呈现多发小斑片影、多发磨玻璃影、浸润影、肺实变等特点，许永超等提供了基于纹理感知的病灶分割核心算法支持，该算法可实现单病例全自动精准量化结果的秒极输出，大幅提升了诊断效率，减轻医生诊断的繁重负荷。结合临床信息，系统可以辅助医生更高效地区分新冠肺炎的早期、进展期与重症期，有利于早期筛查与防控。同时，对于确诊病人，基于对多次复查影像数据的量化分析，医生能够有效评估病情进展及用药疗效等情况。