|
搜索
搜 索
高等教育领域数字化综合服务平台
一种工业过程故障诊断方法
本发明公开了一种工业过程故障诊断方法，包括如下步骤：采集工业过程的历史正常数据；利用工业过程的历史正常数据计算检测统计量；采集待检测的工业过程数据；当检测到工业过程故障时，利用相对重构贡献方法提取特征量；根据特征量计算故障模式下的条件概率密度函数和正常模式下的条件概率密度函数；根据先验概率和条件概率密度函数计算后验概率；采用最小风险贝叶斯决策理论对当前时刻样本进行故障变量识别；根据诊断后的结果更新下一时刻样本的
华中科技大学
2021-04-14
基于人工智能的睡眠医学诊断技术
失眠障碍是一种普遍存在的睡眠障碍疾病，我国成年人中的患病比例高达30%，其主要表现为难以入睡、难以维持睡眠或睡眠质量不佳，导致出现疲倦、注意力不集中、记忆力减退、情绪波动等负面影响，并且与多种疾病（如心血管疾病、糖尿病等）的发生和发展密切相关。我国庞大的患者群体增加了对医疗资源的需求和社会负担，对个人和社会经济造成重大影响。失眠障碍需要引起足够的重视和关注，早期诊断是减少其对个人和社会危害性的有效方法。
目前临床睡眠诊断主要依靠睡眠专家人工判读多导睡眠图（polysomnography，PSG），PSG技术同时记录多个生理参数，如心电图、脑电图、肌电图、眼电图等，从而准确评估睡眠的各个阶段和睡眠中的生理变化。然而，现代临床睡眠诊断方法存在一些弊端。首先，依靠睡眠专家人工进行诊断成本很高。例如，临床诊断中标记一位患者的PSG数据并完成诊断，往往需要一位训练有素的睡眠专家数个小时的集中工作才能完成，无法应对大规模睡眠障碍群体需求。此外，睡眠诊断存在个体差异，同一种睡眠障碍在不同人群中的表现可能不同，诊断结果需要根据患者的具体情况进行综合评估和判断。这些方法需要专业人员进行操作和解读，费用昂贵，操作复杂，很难普及应用。
人工智能技术可以帮助解决以上问题。人工智能技术可以在不需要专业人员干预的情况下，对失眠障碍进行自动化分析和诊断，具有高效性、低成本和易普及的优点。此外，还可以在大数据层面上进行分析，深入探究失眠障碍的病理生理机制，从而更好地指导治疗和预防措施的制定。
睡眠诊断是最为适合采用云平台技术进行自动化诊断的领域，患者潜在群体数量庞大。本项目涉及基于人工智能睡眠医学诊断技术的全系统的各个环节，系统的诊断准确率目前为世界范围内第一。前期已经服务于制药企业睡眠类药物评价、可穿戴消费级电子设备睡眠监测等领域。目前市场上的类似产品均不具备临床医疗级的诊断能力，本技术填补了市场空白。
图1.本项目研发的原理样机部件
北京理工大学
2023-06-05
新冠肺炎肺部感染辅助诊断系统
按照《新型冠状病毒肺炎诊疗方案（试行第五版修正版）》，湖北省增加了“临床诊断病例”分类，对疑似病例具有肺炎影像学特征者，确定为临床诊断病例，以便患者能及早按照确诊病例相关要求接受规范治疗，进一步提高救治成功率。因此，对患者的影像学分析在确定“临床诊断病例”上就具有极为重要的意义。
根据国家指南这一重要变化，西安交通大学第一附属医院影像学郭佑民团队，在前期承担国家卫健委重大行业专项《基于“数字肺”的呼吸系统疾病评价体系与诊断标准研究》基础上，针对新冠肺炎肺部影像学特点与医学成像技术公司合作，第一时间研发了新冠肺炎肺部感染辅助诊断系统，实现了对新冠肺炎感染者肺内病变部位快速检出、定量评价病变范围和病变演变过程评估
CT扫描是新冠肺炎诊断的重要环节，已成为确定“临床诊断病例”的重要标准。但是在影像诊断过程中，每位患者的CT检查多达几百幅甚至上千幅图像，单靠影像诊断医师从庞杂的图像特征中筛选出新冠肺炎所具有的特征，不仅要求医师具备肺炎诊断与鉴别诊断的经验，还需要相当的观察时间，严重影响病例筛查的效率。
同一患者3次检查结果对比，红色区域为病变，相比较病变体积逐渐缩小，提示病情好转。
同一患者3次检查结果对比，红色区域范围增大，数目增多，提示病变进展，同时还能观测到病变密度的变化。
图为同一患者4次检查结果对比，图中红色区域体积逐渐增大，提示病情进展。
郭佑民教授团队利用AI技术为新冠肺炎的影像诊断“赋能”。依托专家训练，人工智能结合传统的计算机视觉技术，对新冠肺炎患者肺部病变区域进行分割、计算，可以同时获取病变区域的体积、密度、磨玻璃成分等定量参数，尤其是对于患者随访的数据，可以实时进行图相配准，精准定位病灶位置、大小，方便比较病变的消长。
通过临床试验发现，该系统能够辅助临床医生对新冠肺炎进行快速诊断，并能提供智能诊断报告，适应阻断疫情扩散蔓延的公共卫生紧急应对要求，具有很好的临床应用效果。该系统已在包括华中科技大学协和医院等多家医院部署，为了鼎力支持抗“疫”一线，新冠肺炎辅助诊断系统将开放全国同行免费使用。
西安交通大学
2021-04-11
瓦斯爆炸早期抑爆微观化学与物理过程的耦合作用机理
本项目针对矿井瓦斯爆炸早期探测与抑制的技术难题，采用实验与光谱分析方法，得到了瓦斯爆炸感应器内自由基变化的光学特征及其辨识方法，并以此为基础，利用量子化学软件分析瓦斯爆炸微观动力学过程，得出了瓦斯爆炸感应器内的关键基元反应、自由基和其围观动力学参数，以及微观反应与宏观现象的关系，为瓦斯爆炸抑爆技术提供理论支持，受到国内相关研究人员的普遍认可。项目成果在国内外重要期刊发表学术论文13篇（9篇已刊出，4篇已录用），其中SCI源刊1篇，EI源刊5篇（2篇已收录），CA收录2篇，CSCD收录及中文核心期刊5篇，完成硕士学位论文2篇。
中国人民警察大学
2021-05-03
地下工程混凝土结构早期性能演化机理及其工程应用研究
近十年来，大型地下工程尺度达数百米、体量增至上万平方米；建设条件和使用环 境的特殊性给这类地下工程的施做带来极大的挑战。针对地下工程结构现浇混凝土施工 的特征，项目研究从混凝土材料与构件早期性能测试、地下工程混凝土结构早期性能设 计方法、以及施工控制技术等方面展开。 项目研究内容涵括混凝土材料科学与技术、结构设计方法、施工技术与组织等方面 的技术难题。理论方面研究了混凝土材料微观结构形成的物理化学变化与内部温度场、 湿度场的复杂作用过程，并考虑结构宏观层次荷载产生的应力场，建立了多场耦合作用 下复杂结构早期物理力学性能演化机理模型；在早期性能试验测试技术研究中，首次建 立了混凝土主动约束早期变形性能试验方法和操作程序，自行研发了试验装置与自动测 试仪器；融合地下工程混凝土结构早期变形、抗裂能力等提出了地下结构早期性能设计 方法，突破了承载能力极限状态设计的思想；通过仿真分析指导工程实践，结合现场远 程监控技术，实施混凝土改性、构件抗裂设计、养护技术等控制早期性能演化的技术措 施。 研究成果已成功应用于超高层建筑、地下综合体、隧道工程等数十项重大工程，并 为日本地铁 13 号线混凝土早期变形性能分析和香港金门公司地下工程早期变形控制所 采纳，取得了良好的效果。 研究成果的应用不仅可提高地下工程质量，保障其预期服役性能；还可促进信息技 术在传统土木行业的应用；同时，混凝土结构早期性能设计方法的思想可应用于其他结 构工程，对于保障基础设施可持续发展有重要意义。
同济大学
2021-04-13
神经肌肉电刺激改善脑卒中早期患者运动功能的临床及应用基础系列研究
神 经 肌 肉 电 刺 激 ( N M E S ) 包 括 功 能 性 电 刺 激 （ F E S ） 和 经 皮 神 经 电 刺 激 （TENS）两种。
中山大学
2021-04-10
一套早期检测苹果果实内潜伏轮纹病菌的组织学方法
本发明公开了一套早期检测苹果果实内潜伏轮纹病菌的组织学方法，涉及植物组织内病原菌检测领域。本方法适用于调查苹果果实内潜带轮纹病菌的皮孔数量。具体方法为：对于欲检测的苹果果实或果实组织在不低于100℃的温度蒸煮10分钟以上，剥取表皮；剥取的表皮经1%~15%的次氯酸钠透明5~20分钟，1%~30%氢氧化钾或氢氧化钠浸泡3~5分钟，0.1%~3%的苯胺蓝水溶液染色3~5分钟，用20%~80%的甘油作浮
青岛农业大学
2021-01-12
新型冠状病毒肺炎智能辅助诊断系统
新冠肺炎疑似病例基数庞大，给临床一线诊疗带来巨大压力，疫情波及地域广泛，基层医院缺乏经验，面临严峻挑战。由清华大学精密仪器系尤政院士、临床医学院董家鸿院士领导研发的新型冠状病毒肺炎智能辅助诊断系统成功通过应用测试，进入临床试用阶段，有望为上述难题提供解决方案。新型冠状病毒肺炎智能辅助诊断系统董家鸿介绍，新型冠状病毒肺炎智能辅助诊断系统可同步实现智能化影像诊断、临床诊断及临床分型三大功能。该系统包括三大模块，其中影像诊断模块主要基于对新型冠状病毒肺炎初诊病例的珍贵临床资料的大数据分析，使用人工智能算法深度学习该疾病的CT影像特征，实现对新型冠状病毒肺炎影像的智能识别。临床诊断模块则依据卫健委发布的《新型冠状病毒感染的肺炎诊疗方案(试行第五版)》，结合影像与流行病学、症状及关键检验数据等临床信息，实现智能诊断。临床分型模块通过智能判读呼吸功能参数，“自适应”判断新型冠状病毒肺炎的严重程度。董家鸿谈到，该系统可在短时间内完成大量疑似病例的胸部CT筛查、依据指南进行临床与影像相结合的综合分析，显著提升新型冠状病毒肺炎诊断效能，有望大幅降低临床医师及影像医师的工作负荷。
清华大学
2021-04-10
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
旋转机械振动故障分析和诊断技术
在长期为电力行业解决设备重大疑难故障的实践过程中，提出了轴系载荷分配测试、分析和优化调整技术，发展了动平衡和振动故障诊断技术，提高了动平衡效率和振动故障诊断准确率。先后解决了田湾和秦山核电、平圩、宣城、姚孟、福州等40多家电厂100多台、次大型机组重大疑难振动问题。该项成果先后获得江苏省科技进步一等奖和国家技术发明二等奖。
东南大学
2021-04-11