高等教育领域数字化综合服务平台
云上高博会服务平台 高校科技成果转化对接服务平台 大学生创新创业服务平台 登录 | 注册
|
搜索
搜 索
  • 综合
  • 项目
  • 产品
日期筛选: 一周内 一月内 一年内 不限
一种基于超声 CT 的合成孔径成像方法及系统
本发明公开了一种基于超声 CT 的合成孔径成像方法及系统, 所述方法包括如下步骤:S1、利用超声 CT 环阵探头采集超声反射接 收的数据,获取原始回波数据;S2、对所述原始回波数据进行合成孔 径聚焦,获取各成像点的值;S3、旋转超声 CT 的环阵探头,重复步 骤 S1-S2,得到多组成像点的值;其中每次旋转的角度小于相邻两个阵 元到环阵探头圆心之间的夹角;S4、对所有成像点的值进行加权平均, 再依次进行包络检测、对数压缩和灰度映射处理,得到最终的高分辨 率图像。本发明还提供了实现上述方法的系统。本发
华中科技大学 2021-04-14
铝离子电池
技术简介 技术团队聚焦铝离子电池应用研发,成功研发的由金属铝/天然石墨/尿素—氯化铝构成的铝离子电池,具有成本低、容量高、可超快速充电、高效耐用、安全性能高等特点,被广泛认为是储能领域的重大技术革命,突破了近30年来铝离子电池行业瓶颈。 创新点及性能指标 铝离子电池是一种新型的电池,它具有高安全性、耐高温等特点,采用全球首创离子液体电解液,无爆炸、可充电倍率高等特性,适用于多种应用场景,以下为产品特点: 1.离子液体电解液:由于离子液体具有导电性、难挥发、不燃烧、电化学稳定电位窗口比其它电解质水溶液大很多等特点,所以采用离子液体电解液的铝离子电池更加安全,稳定; 2.设计寿命久:通过对电芯结构和材料的合理设计和电芯材料选择,设计电池寿命可以长达超过10年; 3.耐高低温性能良好:常温型电池的高温段工作性能突出,可以适应恶劣环境,低温型电池的耐低温性能良好,可以适应恶劣极寒环境; 4.循环寿命长,深度放电恢复优越:常温型电池:DOD 99%循环可以达到2000次以上,低温型电池:DOD 99%循环可以达到20000次以上;
山东科技大学 2021-05-10
全固态电池
0.2Ah~10Ah 的系列固态单体电池,10Ah 固态单体电池能量密度达到 260Wh/kg,循环 1000 圈容量保持率达 88%。
中国科学院大学 2021-04-13
燃料电池
2020 年 7 月 10 日,国际著名期刊《Science》刊发论文《电场诱导异质界面金属态构建超质子传输》(Proton transport enabled by a field-induced metallic state in a semiconductor heterostructure)。东南大学太阳能技术研究中心/储能联合研究中心首席科学家朱斌教授为该论文共同一作和主通讯作者,此项研究成果标志着东南大学在燃料电池领域相关研究取得了重大进展。  朱斌教授等人采用完全不同于传统离子导体结构掺杂的方法,构建半导体材料的异质结构,通过利用半导体异质界面电子态/金属态特性把质子局域于异质界面,设计和构造具有最低迁移势垒的超质子高速通道;在燃料电池中,质子经电化学嵌入到异质材料界面,被带正电的氧化铈表面排斥到钴酸钠表面,但同时受到正电钠离子的排挤不能进入钴酸钠内部,因而局域于两者材料的界面空间,从而实现在最低势垒的层间连续快速迁移。  实验成功地验证了理论和计算结果,获得了极其优异的质子电导率(较传统钇稳定二氧化锆电解质材料的电导率提升了几个数量级),实现了先进质子陶瓷燃料电池示范。
东南大学 2021-04-13
模拟电池装置
项目简介:一种模拟电池装置,它由 O 形密封圈、套筒、电极、螺帽 组成,套筒为圆柱形,内为圆柱形空腔,套筒两端的内侧开有一圆槽,下 电极的形状类似铆钉,其直径与套筒的内径相配合,上电极的形状类似于 砝码,其较粗部分的直径与套筒的内径相配合, 而较细部分则可用作引线; 上螺帽和下螺帽通过螺纹与套筒连接;该装置即可用于各种电池,如有机 电解质体系的锂离子电池的测试, 也可用于超级电容器的测试,
南昌大学 2021-04-14
04010电池盒
宁波华茂文教股份有限公司 2021-08-23
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
猪流感诊断试剂及疫苗
猪流感(Swineinfluenza,SI)是目前危害养猪业的一种重要的 呼吸系统疾病,是规模化养猪场普遍存在且难以根除的群发性疾病之一。项目 开发了猪流感病毒的快速检测方法,制备了猪流感灭活疫苗(H1N1 亚型 SSD 株)。 经过临床试验证明,注射疫苗可显著提高仔猪成活率。 生产条件及经济效益预测:经过市场推广,疫苗销售良好,用户反应免疫 效果良好,可以显著提高仔猪抵抗力,仔猪成活率和出栏率提高 10%。平均每年 能为社会增加 1365 万元的经济效益;用于该项科研成果的每 1 元研制费用,在 经济效益计算年限内,平均每年可为社会增加 5.35 元的纯收益,经济效益非常 明显。
青岛农业大学 2021-04-11
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
首页 上一页 1 2
  • ...
  • 15 16 17
  • ...
  • 610 611 下一页 尾页
    热搜推荐:
    1
    云上高博会企业会员招募
    2
    64届高博会于2026年5月在南昌举办
    3
    征集科技创新成果
    中国高等教育学会版权所有
    北京市海淀区学院路35号世宁大厦二层 京ICP备20026207号-1