广东施泰宝医疗科技有限公司创立于1999年，是广东省首家从事外科植入物的高新技术企业，产品包括创伤、脊柱类植入物及相关配套的手术器械，公司在国内率先采用钛合金材料生产脊柱类植入物，并不断精益求精，研发适合临床操作，为患者带来卓越健康效益的多项专利产品，经十数年努力，公司已发展为集研究、制造和销售矫形外科（骨科）手术器械于一体的专业的现代化企业。 公司位于佛山市高新技术开发区，拥有包括瑞士托纳斯、日本西铁城、美国哈斯在内的一系列国际先进水平的加工设备，及三座标检测仪、影像仪、动态疲劳试验机等一系列高精度检验设备。公司还拥有十万级洁净生产车间及环氧乙烷灭菌设备。 公司利用自身的研发设计、加工特长，及南华大学第一附属医院骨科研究所、汕头大学附属第二医院、广州军区广州总医院等多个临床基地的实践试验保障，不断的与国内众多的知名专家联手走产、学、研的道路，研发出包括专门为中国人设计研制的解剖型肋骨板微创技术，脊柱经皮三维外固定联合微创技术，经皮微创钉棒内固定技术、组合式解剖型钛网融合技术、经皮微创骨水泥注入式椎弓根螺钉椎体加固技术、经皮微创非融合动态钉弹性内固定技术等多项专利技术，尤其是用于脊柱内固定的双螺纹钉棒系统及经皮微创的钉棒系统等产品及工具，是目前临床上最先进、最符合临床操作的新时代产品之一，是施泰宝人匠工精神的结晶。 公司结合临床的特殊需求，不断设计、生产出满足临床需求的专业产品，不断创新中前行。其自主研发生产的脊柱经皮三维外固定联合微创技术是治疗胸腰椎压缩性骨折、爆裂性骨折的中西结合手段革命性的选择。对伤椎起到纵向撑开、撬拔复位、非融合持续弹性固定的作用，联合PVP、MED或经皮微创人工骨植骨术，用全微创的方式救治了大量的患者。手术简便成熟、不需要全麻，手术风险少、病人创伤少出血少、术后可以平卧、副作用少、康复期短、无需二次手术切开取出植入物等特点，并能最大限度的恢复伤椎的生理结构与活动功能。施泰宝特有的组合式解剖型钛网融合器，拥有自主知识产权，现场为患者量身组合，无需裁剪，钛网上没有了锋利的剪切口，不再担心会损伤终板，为解决传统钛笼下沉、植骨融合率不佳的业界难题提供了一个革命性的选择。非融合动态钉棒弹性内固定技术，可选开放或经皮微创的术式让患者能最大限度地恢复脊柱的生理结构及活动功能，为脊柱内固定的治疗提供了全新的理念；骨水泥注入式椎弓根螺钉，融合了开放、经皮微创、非融合动态弹性内固定技术供临床灵活搭配选用，在固定的同时加固了椎体，是骨质疏松患者及年长患者的福音。经多年的临床验证，施泰宝各项产品质量优良、技术先进，得到业界广泛好评，相信会有更多的新技术、新产品不断的由施泰宝呈现给国人！为保证使用者的合法权益，本公司的产品已由中国人民保险公司进行承保。在此广东施泰宝医疗科技有限公司郑重承诺：产品在使用过程中，如确有因产品质量问题而引起的医疗事故，将严格按照产品责任保险合约进行赔偿。 公司按照GB/T190001-2008idt   ISO9001:2008、YY/T0287-2003idt BSEN  ISO13485:2012标准、MDD93/42/EEC(2007/47/EEC)以及《规范》和《细则》的要求，建立了完善的质量管理体系，顺利通过了国家食品药品监督管理局医疗器械GMP现场检查及国医械华光认证有限公司的CMD认证；产品也全部通过CE认证，并获得广东省技术一等奖、广东省高新技术企业等多项荣誉。 2016年，施泰宝公司由佛山市康普资产管理有限公司全资并购，翻开了公司高速发展的新篇章，经过扩大融资、吸纳人才、资源整合后，已成为一家具有创新意识、高效运作、专业管理的现代化企业，我们将致力于更加精确的市场战略体系和更贴心的市场销售态度，为新老客户提供更高质量的服务，期待与新老客户联手合作，并肩发展。

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。

“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。

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。 

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

一、项目进展 创意计划阶段 二、负责人及成员 姓名 学院/所学专业 入学/毕业时间 学号 赵玉蓉 外国语学院/英语 2016/2020 201631131102 三、指导教师 姓名 学院/所学专业 职务/职称 研究方向 阮先玉 外国语学院/英语 教研室主任/副教授 语言学、翻译 四、项目简介 随着互联网的发展，机器翻译成为翻译活动中的重要的辅助工具。而机器翻译错译、死译频出，给翻译工作带来诸多不便。近年来，“大数据”的出现为机器翻译带来了新希望，其独特的“4V”特点将对机器翻译产生革命性的影响。尤其最近出现的AI同传给翻译行业带来了不小的冲击，本项目希望通过探究大数据在AI同传中的应用，分析AI同传翻译的优点和局限性，推动机器翻译的发展。

1.痛点问题 新材料的设计与研发往往面临挑战：急需的新材料难以快速筛选设计，而设计出的新材料又难以找到高效且低成本的合成配方，拥有合成配方的新材料又会面临规模化的长周期探索。根据国家工业和信息化部对30余家大型骨干企业调查结果显示，130种关键材料中，有32%国内完全空白、54%虽能生产，但性能稳定性较差、只有14%左右可以完全自给，亟需新思路来解决我国新材料研发难题。本项目着眼于新材料研发，希望通过创建目前业内空白的智能化新材料研发范式，引领行业智能材料开发自动化服务与工艺的开发。 在数字化、智能化浪潮中，国家和各行业的产业界都非常看重科研的智能化升级。通过持续的交流与调研，我们发现许多企业和研发团队目前对智能研发存在大量潜在需求，而智能研究服务与工艺的同类竞品极少。因此，清华智研将作为一家高新科技企业，以AI赋能研发（AIEmpoweringResearch&Development）为使命，组建国际顶尖水平团队，向国内引进并自主开发世界前沿的AIforScience技术，打造世界级的AI未来实验室（World-ClassAIFutureLab）。 2.解决方案 本技术为新材料研发数字化智能服务平台，可在材料研发过程中对各个尺度以及不同研发阶段下进行智能化的加速及分析服务。以各种人工智能算法为核心，如主动学习算法，图神经网络，卷积神经网络等，我们根据不同材料体系的尺度包括三大方面：1.针对分子及晶体等微观尺度的功能材料研发，设计智能化的深度学习系统。2.针对二维功能材料及其功能性器件、催化剂、膜材料等宏观尺度，设计智能化的深度学习系统。3.针对功能材料研发的表征仪器等平台尺度，设计智能化的系统解决方案。这些智能化解决方案能极大地加速新材料尤其是碳中和相关材料的研发速度，从而大大地降低研发成本与时间，为企业获得有竞争优势的科研壁垒。 自动化和人工智能助力未来智能实验室的方方面面，从样品制备（称量固体、添加液体、超声处理.等)，到合成（分配液体，控制温度，混合，测量pH值，干燥等)、表征（气相色谱，高效液相色谱，分光光度法等)，通过自动化/机器人的辅助，可以有效提高可重复性，提高信噪比，加快实验速度。通过人工智能技术，将实验数据转换为可操作的智能指导，快速浏览并利用复杂的数据，提升认知能力。 智能化研发平台 3.合作需求 拟成立公司推动该项成果的产业化进程，希望对接 1）工程化、产品化所需的资源； 2）新能源、新材料领域合作企业。

智慧校园是大数据时代、人工智能时代发展的产物,蓝鸽AI一体化智慧校园以物联网为基础，充分应用5G/人工智能技术经过一体化的设计

成果内容：用仿细胞膜结构聚合物涂覆改性生物材料及器件可得到优异的血液相容性及组织相容性。研发的仿生涂层构建技术可简便地用于多种医疗管路、导管及器械表面改性，显著降低蛋白质吸附达90%、细菌粘附99%、凝血及补体激活均减少80%以上。相关研究连续获得6项国家自然科学基金项目资助；获授权发明专利20项；关键技术通过陕西省技术成果鉴定，发明的仿细胞膜结构聚合物涂层的构建及调控技术国际领先。 成果用途： （1）仿细胞膜人工肺（高端产品）。血液蛋白质吸附减少90%，血小板粘附减少96%，凝血及补体激活均减少80%以上。抗血栓形成时间延长10倍。 （2）对血液透析器涂覆改性后可获得具有仿细胞膜涂层的血液透析器。可以显著降低对血液蛋白质吸附、血小板粘、凝血及补体激活等不良反应，从而大大降低病人在血液透析过程中出现瘙痒、头晕、恶心、呕吐、不宁腿综合征等过敏性不适症。 （3）将仿细胞膜结构聚合物涂层构建在导尿管、人造血管等管路内、外表面，可获得高效抗菌、抗凝、润滑等性能优异的医用导管。 成果成熟度：中试产品阶段（已解决关键技术，需要合作进行产业化攻关） 转化方式：技术转让、合作开发 成果授权情况 专利号 专利名称 专利状态 ZL201110203771.7 利用RAFT聚合技术在材料表面构建仿细胞外层膜结构涂层的方法 授权 ZL201110205373.9 仿贻贝粘附蛋白和细胞膜结构共聚物及其制备方法和应用 授权 ZL200910219143.0 一种仿细胞外层膜结构修饰涂层制备的方法 授权 ZL201310469385.1 一种通过聚多巴胺涂层构建功能化表界面的方法 授权 ZL201510013872.6 含磷酰胆碱和聚乙二醇的功能聚合物及其抗污涂层的构建方法 授权 ZL201610120275.8 功能型仿细胞外层膜立体结构涂层的构建方法 授权 ZL201510014112.7 贻贝粘附和细胞膜抗污双仿生多臂PEG及其制备方法 授权 ZL201910027531.2 一种仿生聚合物及制作耐久性双仿生聚合物涂层的方法及应用 授权 202011156925.7 一种两性离子聚合物与肝素复合涂层和制备方法及其应用 受理 202010000137.2 一种交联稳定聚合物刷涂层的构建方法 受理