|
搜索
搜 索
高等教育领域数字化综合服务平台
基于AI-VR的肺部辅助诊疗系统
东北大学医学影像智能计算教育部重点实验室团队研发的肺部精准诊疗医学影像AI-VR 辅助诊疗系统适用于肺部医疗、肺部手术术前规划、术中导航、教学、肺部CT图像分割等医学临床领域。传统的肺部医疗诊断中，主要是通过观察肺部二维切片图像去发现病原体，往往只能靠医生的经验来判断，而具体病灶何在、几何形状、大小及周围生物组织，是无法通过二维图像去观察，其术前分析与方案设计是借助二维肺部CT影像或计算机成像来观察判断，缺乏沉浸感、立体感和交互性。基于虚拟现实技术并结合实验室的技术与数据储备优势，开发了一套基于VR的AI肺部辅助手术系统，致力于肺部三维重建，为医疗人员更好地解决了医生面对大型手术准备不足的问题。
东北大学
2021-04-10
角膜塑形配镜AI芯片及系统
全球近视病发病率逐年增加,到2050年全球人口近一半的人口将患近视病。角膜塑形镜是-种非创伤性的近视治疗技术，在全世界得到广泛应用。仅在中国每年就有超过100万病人接受角膜塑形镜治疗。在角膜望形镜配镜过程中,由于参数组合众多,传统办法依赖于医生经验,因此配镜质量难以控制、效率不高、费时耗力。本成果是全球首个基于人工智能算法的角膜塑形配镜解决方案,实现了拥有完整自主知识产权的算法和芯片,比传统方法提高效率10倍以上，同时极大保证了配镜提高质量。本成果与“爱尔眼科集团”联合开发,临床测试的配镜准确率达90%以上。
电子科技大学
2021-04-10
暖通空调及人工环境
项目概况 该静态模型提供了一个融建筑平台、空调设备、中央空调系统于一体的、具有自由拼装搭接功能的实时教学环境、产品展示平台。 本项目处于国内先进水平，拥有自主知识产权。主要特点 该模型将平台、设备及系统融为一体。具有三大部分： （1）建筑平台。我们认为，建筑平台与中央空调系统是一个有机的整体，离开建筑平台谈中央空调，有如无水养鱼，这正是市面上诸多空调模型的弊端所在。 我们提供的建筑平台以建筑的梁、柱、墙体等为基本部件，按建筑模数等比例制作，部件之间采用了拼装结构，可拼出任意种建筑形式。让学生在自由拼装中了解建筑知识。 （2）设备模型。包括了中央空调从主机到末端的各类设备的实体静态模型。各模型均按主流品牌的设备外形等比例制作，效果逼真，接口清晰。 （3）系统搭建。利用上述建筑平台、设备模型，以及配套的管材、配件，学生可自行搭建各类中央空调系统。 系统可用于教学，也可用于产品展示。 技术指标 模型按建筑模数等比例制作，通用接口，观察、搭接方便、实用性强，可反复使用。是一种新颖的教学和产品展示平台。市场前景 近年来在部分教学活动中使用，赢得了众多客户的信任和支持，具有良好的市场前
南京工程学院
2021-04-11
新型言语功能康复人工喉
利用人工喉代偿人体声带是这些患者恢复发声功能的一种有效途径。北航研究团队以基于语音相关的多参数自由调控为目标，在深入的理论研究基础上，已经成功研发了三代电子人工喉。第一代频率固定手执式电子人工喉；第二代频率二值可调分离式电子人工喉；第三代基于生理参数调控型电子人工喉。 已完成工程样机。
北京航空航天大学
2021-04-13
高级人工流产模拟子宫
XM-N4高级人工流产模拟子宫
一、功能特点：
■ XM-N4高级人工流产模拟子宫采用高分子材料制成，柔软有弹性，外形真实。
■ 为学习人工流产刮宫技术而设计，包括三个模块：孕6-7周水平位子宫、孕6-7周前倾，孕6-7周后倾子宫。
■ 三个怀孕子宫都可以打开，放入模拟妊娠囊。
■ 宫颈口可插入扩宫器、刮匙，可以模拟刮宫操作，模拟妊娠囊可被刮下。
■ 带有底托，可使子宫固定在正确位置。
■ 可反复进行练习。
二、标准配置：
■ 高级人工流产模拟子宫：1套
■ 模拟妊娠囊：1袋
■ 说明书：1册
■ 保修卡合格证：1张
上海欣曼科教设备有限公司
2021-08-23
健康检测智能马桶
在用户入厕时自动对人体相关健康指标进行检测和AI分析，解决人体健康数据采集与管理的痛点和难点，突破通过智能马桶采集和管理人体健康指标的难题，在技术上的优势为：① 无需培养用户习惯，将检测过程融入日常生活；② 实现AI全自动检测，无需手动操作；③ 检测功能多元化，体脂、尿检、便检、尿流率、孕期指标等一体化集成。目前该成果已获得30多项知识产权，是国际上唯一实现量产的全自动健康检测智能马桶，是老年、孕妇、肥胖、慢病等人群的福音。
重庆交通大学
2025-02-21
可视智能试剂柜
外形尺寸：1055*660*19950mm 容量：920L 显示屏：7寸电容触摸屏 层板承重：≥85kg/㎡ 侧板及层板：防腐材质 门面板：无色透明 温度检测精度：±0.5℃ 湿度检测精度：±3%RH(25℃) 过滤器尺寸：400*370*80mm 可视型智能试剂柜优势一智能、安全 1、嵌入式系统 嵌入式系统“试剂柜管理系统V2.0”，液晶显示，触摸屏操作，可监测柜内温湿度，空气质量等信息。 2、外接控制软件 双模式-可外接控制软件“试剂柜控制软件V2.0”，实现多柜连接管控，试剂出入库管理，查询试剂信息。 3、智能定位层板 产品需连接外接软件，通过射频技术精准定位到每层、每个孔位，主动识别试剂信息，无需扫码操作，多种孔位可选。 4、多柜并联、系统交互 嵌入式系统和控制软件可以通过WIFI功能进行远程交互、多柜并联，存储空间无限扩大，试剂信息统计更为便利、准确，导出、打印各式样报表，数据海量存储，长久保存。 5、空气过滤系统 内置活性炭空气过滤系统，有效解决化学品气味影响实验员身体健康的问题。可更换的过滤材料，大风量风扇、保证内部空气每分钟循环三次。 6、双人双锁 有效解决试剂的安全管理，符合《公安部第154号令》对于易制毒、易制爆危险化学品的管理要求。对于常规试剂也可方便的实现单人单锁控制。 可视型智能试剂柜优势二经济、方便 1、超大的存储容量 JPG-2000试剂柜的单柜存储容量达到了920L，并可多柜并联。 2、可调节层板 灵活存储，层高调节极为方便，每层可根据需求放置不同规格的试剂瓶。 3、RFID刷卡模块 通过刷卡及输入密码可方便的开关柜门，IC卡片具有多种样式供用户选择，在断电的情况下具有柜门自动锁止功能，可通过钥匙手动开关柜门。 4、全模具化设计 模具化设计降低了客户采购成本，并提高了产品一致性及制造精度，使工件的质量有所改善和提高，加强了标准结构互换性，现场组装方便快捷。 可视型智能试剂柜优势三灵活、扩展 1、智能摄像系统 无人值守，可实现24小时全天候视频监控，360°无死角，硬盘存储可达30天，并可无限扩充。 2、UPS电源 具有断电续航能力，符合公安部《易制爆危险化学品储存场所治安防范要求》，并可根据用户需求定制。
北京晶品赛思科技有限公司
2025-03-27
篮球赛事AI短视频剪辑系统
视频剪辑是一项简单却繁琐的工作，需要投入大量的人力。而且人力完成的视频剪辑，剪辑结果有着很强的主观色彩。通过采集大量各类体育赛事数据进行模型训练，利用深度神经网络良好的自主学习能力，采用Centernet作为多目标检测能力的实现框架，同时利用Transformer重构目标检测进行连锁，二次捕捉目标检测的准确性。CenterNet和Transformer的融合，实现了端到端的目标检测，在准确性提升的基础上满足实时处理视频的要求。综合应用多目标检测跟踪以及多模式识别技术，实现短视频的智能化剪辑，极大程度减少了人工工作量，同时也增加了短视频剪辑的客观性，在大数据时代背景下有着重要的现实意义。
太原科技大学
2021-05-04
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
AI在5G系统中应用的研究
中国电子学会发布“电子信息领域优秀科技论文（2020）遴选活动”入选论文。东南大学尤肖虎、张川、谈晓思、金石、邬贺铨联合署名的论文《AI for 5G: research
东南大学
2021-01-12