|
搜索
搜 索
高等教育领域数字化综合服务平台
基于计算科学和多能优化分析的智慧能源云平台关键技术及应用
围绕未来能源需求特性辨识、场站/设备智能监测、能效优化管理3项核心内容，开展研究并提出以下3个核心创新点，创新点一为基于数据驱动的需求侧用能行为特性辨识及容量价值评估方法，有效解决了需求侧用能行为特性分析难度大、精确度差、有效性低的问题，为能源电力系统容量规划和优化投资提供了科学依据；创新点二为基于数据挖掘计算的多元设备状态监测与需求侧能效优化技术，解决了需求侧用能设备运行状态监测能力差、管控水平低的问题，实现提质增效；创新点三为基于数据高效融合计算的场站环境监测及虚拟现实交互技术，有效解决了各种环境参数大量冗余导致的监测结果误差大的问题。
平台可应用于包括智能设备制造与销售、能源设备在线监测、能源设备全寿命周期管理、能源站点智慧运行维护、用能负荷预测、能质能效分析与应用等。
华北电力大学
2022-09-05
深圳铸铁平台 东莞铸铁平台 中山铸铁平台
产品详细介绍
贝特公司面向全国零售批发龙门架架！欢迎来电咨询！
移动起吊小龙门架是我公司根据中、小工厂（公司）日常生产需要搬运设备、仓库进出货，起吊维修重型设
备及材料运输的需要，开发出来的新型小型起重龙门架。适用于制造模具、汽修工厂、矿山、工地及需要起重
场合。该移动龙门架最大的优点是可全方位移动性，可快速拆卸安装，占地面积小，用微型汽车就可转移到另
一个场地安装使用。宽度、高度可分级调节，钢架构设计合理，能承受从100～5000KG重量。尤其适用于车间
设备的安装、搬运、调试。 汽车上货物的装卸，汽修车间吊装发动机大件等。起重小龙门架主要有二种规格：
一是在地面上全方位移动的龙门架，带刹车承重轮可在地面上移动，适合在地面上起吊物品；二是用钢轨固定
安装在楼板面或梁上，通过电动或人力葫芦，实现起重机械化。可减少人力，降低生产运营成本，提高工作效
率。我司可根据客户的现场情况定做不同的产品。移动小龙门架吊运葫芦可选用手拉葫芦或电动葫芦，产品实
用性强。畅销珠三角，深受厂家欢迎。
电话：0755-33925653 15019438479
QQ：1535796531
联系人：刘小姐
深圳市艾贝斯有限公司
2021-08-23
京东智联云&云澎科技！战略合作伙伴！
京东云计算有限公司（京东智联云）与浙江云澎科技有限公司就未来5年内智慧食堂的深度合作事宜进行了深度沟通，达成合作伙伴关系，并计划每年年销售额1.5亿元人民币以上！
京东智联云（JD Cloud & AI）是京东集团旗下的智能技术提供商，依托京东集团在人工智能、大数据、云计算、物联网等方面的业务实践和技术积淀，形成了从基础平台搭建、业务咨询规划，业务平台建设到运营维护的科技生态格局，拥有领先的数字化、智能化产品，打造服务于数字企业、数字政府的多维场景解决方案，为客户创造价值。京东智联云，提供包含公有云、私有云、混合云、专有云在内的多云、安全、可信赖的基础云服务；并以智能供应链为抓手，提供数字化、智能化的产业互联网应用云服务，2019 年8 月，京东智联云Neuhub平台入选“智能供应链国家新一代人工智能开放创新平台”，进一步提升京东智能供应链对外输出能力；同时，聚焦应用落地，提供以边缘计算为代表的云、边、端协同的下一代智能云服务，以可信赖的技术，探索商业模式，释放科技价值。京东智联云，致力于成为您最值得信赖的智能技术提供者。
云澎科技（Cloudpeng Technology），国家高新技术企业，是一家商业化AI人工智能应用产品研发商，基于AI图像识别技术、人工智能深度算法、AI行为识别技术、物联网等技术，致力于智慧食堂、AI智能环卫、AI行为检测、智能便利店、智能人脸闸机等场景的智能化改造，提供一整套完整解决方案。项目涵盖政府机关、高校、上市公司、医院等，遍布全国多个省市：
中船重工七一六研究所、乌鲁木齐海关、北京中讯设计、益海嘉里（金龙鱼）、索迪斯、满客宝、上海微软、上海联通、上海建行、中国农行浙江省分行、南宁民生银行、苏州浦发银行、澳门科技大学、浙江师范大学、山东高速集团、金华市政府、三星悦食岛上海爱宝健盐城Sk、国网合肥供电公司、富阳人民医院、江苏武进不锈、宜兴电信等。
本次云澎科技携手京东智联云，旨在共同为客户提供更为优质的服务，使智慧食堂数字化管理再上一个台阶。
浙江云澎科技有限公司
2021-12-08
治疗心血管疾病中药赤芍总苷片
该产品是从中药赤芍中提取的有效成份，主要用于因各种器质性心脏病（冠心病、心绞痛、心肌炎、心肌病、肺心病）引起的心肌损伤，并能用于慢性充血性心力衰竭的治疗。世界卫生组织调查结果显示：全世界每年约有1500万人死于心脏病，占总病死率54％以上。目前国内治疗心血管病的二类中药较少，该药的特点是结构成份清楚，治疗效果和机理明确，毒副作用小，可以满足市场需求，并具有
西安交通大学
2021-01-12
首创基因编辑拟人化家兔疾病动物模型
利用基因编辑技术开发系列动物模型，制备第一例家兔自发性高脂血症拟人化疾病动物模型，为心血管疾病治疗以及新一代降血脂药物的研发提供了合适的研究工具，具有广泛的临床转化前景。
扬州大学
2021-04-14
XM-603E脑中风模型（大脑疾病模型）
XM-603E脑中风模型（大脑疾病模型）
XM-603E脑中风模型（大脑疾病模型）展现了大脑的皮质、灰质、脑干、动脉等结构，并且设计了脑出血、动脉瘤、大脑动静脉畸形等病理结构。
尺寸：17×14×18cm
材质：PVC材料
上海欣曼科教设备有限公司
2021-08-23
XM-603E脑中风模型（大脑疾病模型）
XM-603E脑中风模型（大脑疾病模型）
XM-603E脑中风模型（大脑疾病模型）展现了大脑的皮质、灰质、脑干、动脉等结构，并且设计了脑出血、动脉瘤、大脑动静脉畸形等病理结构。
尺寸：17×14×18cm
材质：PVC材料
上海欣曼科教设备有限公司
2021-08-23
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