北京体育大学主导研发的全球首款基于AI图像识别技术的三维运动解析系统可以自动识别人体关键点，将不同摄像机拍摄到的同一运动画面进行三维合成和运动技术分析，获得运动生物力学的详尽参数。该系统利用AI 技术大大降低了人工解析时间，提高了三维解析效率，有效提高运动表现。

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。

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。

人工智能边缘实验平台为标准的2.5U机架式设备，配置20块FPGA开发板(Cyclone V SoC系列)，可供20位学员同时进行FPGA设计、调试、下载及相关验证，并具备SoC网络技术和FPGA远程调试技术，通过网络为教学实验提供配套服务，实现在线实验室的虚拟仿真技术。AI Edge Platform is a standard 2.5U rack server,which is equipped with 20 FPGA Development Boards  (Cyclone V SoC  FPGA Series). It can be used by 20 students to design,debug,download and verify FPGA at the same time. It also has SoC network technology and FPGA remote debugging technology,and provides support for teaching experiments through the network;realizes the virtual simulation technology of online laboratory.

人工智能边缘实验平台为标准的2.5U机架式设备，配置20块FPGA开发板(Cyclone® V SoC系列)，可供20位学员同时进行FPGA设计、调试、下载及相关验证，并具备SoC网络技术和FPGA远程调试技术，通过网络为教学实验提供配套服务，实现在线实验室的虚拟仿真技术。AI Edge Platform is a standard 2.5U rack server,which is equipped with 20 FPGA Development Boards  (Cyclone® V SoC  FPGA Series). It can be used by 20 students to design,debug,download and verify FPGA at the same time. It also has SoC network technology and FPGA remote debugging technology,and provides support for teaching experiments through the network;realizes the virtual simulation technology of online laboratory.

同腔原位复合沉积铱?氧化铝高温涂层设备与工艺，涉及化学气相沉积技术领域。设备包括反应腔体系统、四条管路系统、真空系统和尾气处理系统，系统之间通过管路密封连接。四种前驱体源置于源瓶中，源瓶与四条管路分别相连。通过四个气动阀调控前驱体源的通入，Ｎ２作为源的载气，真空泵系统为设备提供一定真空度，尾气处理处理系统对反应后产物进行处理后排放；通入Ａｌ（ＣＨ３）３、Ｈ２Ｏ源，ＡＬＤ沉积复合材料的Ａｌ２Ｏ３层，通入Ｉｒ金属化合物、Ｏ２源，ＡＬＤ沉积复合材料的Ｉｒ层，将Ｉｒ化合物源通入反应腔内高温分解，ＣＶＤ沉积Ｉｒ层。按照复合涂层工艺方案沉积，得到耐高温抗氧化、高粘附力、抗热震的Ｒｅ基Ｉｒ?Ａｌ２Ｏ３复合涂层材料。在航空航天、能源动力以及国防等领域具有广泛的应用。

01.成果简介   “相”是指物质系统中物理、化学性质完全相同，与其他部分具有明显分界面的均匀部分。“相变”是指物质从一种相转变为另一种相的过程。与固、液、气三态对应，物质有固相、液相、气相。有研究表明，相变机制也广泛存在于生物细胞中，且在细胞生命周期的时空调控等方面发挥着重要的生物学功能。当溶液中的多价大分子与其多价配体互作时，容易产生更大的复合物，后者的溶解度一般会降低，从而从普通溶液相分离出来，形成一个复合物富集的独立的液态相，这个转变过程被称为“液-液分离相变”（即，“相变”）。 蛋白质翻译后修饰是指蛋白质翻译完成后，发生在蛋白质的特定氨基酸残基上的共价修饰过程，是蛋白质生物合成的步骤之一。目前，已知存在300多种翻译后修饰，常见的有甲基化、乙酰化、磷酸化、泛素化、糖基化修饰等，与蛋白质翻译后修饰相反的修饰过程为蛋白质去修饰，如去甲基化、去乙酰化、去磷酸化、去泛素化、去糖基化等。 本项成果是一种检测翻译后/复制后/转录后修饰的蛋白质/DNA/RNA与其修饰阅读器间相互作用的成套试剂，由A、B、C和D四种试剂组成；（1）A由名称为R的生物分子和名称为X的蛋白质连接而成；（2）B含有名称为L的生物分子；R与L相同或不同且二者间具有相互作用，R与L相互作用后发生相变；（3）C为由C单体形成的多聚体，C单体由名称为mc的单体、名称为甲的报告基团和名称为YC的生物分子连接得到的分子，大于等于两个的mc能形成多聚体；（4）D由名称为XL的带有修饰的蛋白质和名称为YD的生物分子连接而成；YC与YD间具有相互作用。通过该成套试剂及基于该成套试剂创建的多价招募系统，利用相变机制实现了互作蛋白和配体在相变液滴中的高度富集，将原本较弱的互作信号强烈放大，使其易于检测。02.应用前景 本项成果可以为检测经翻译后/复制后/转录后修饰的蛋白质/DNA/RNA与其修饰阅读器间的相互作用提供一种全新的技术手段。该技术尤其适合高通量筛选修饰酶或去修饰酶的抑制剂或促进剂。03.知识产权 本项成果已申请1项发明专利。04. 团队介绍 本项成果负责人为清华大学研究员、博士生导师、清华大学结构生物学高精尖创新中心成员、清华-北大生命科学联合中心成员、中组部“青千”基金获得者，主要从事“相变”相关领域的研究，并探索能够广泛应用于鉴定生物大分子互作及互作调控物筛选的新技术。研究成果发表于多个国际顶级权威期刊，申请专利多项。05.合作方式 专利许可、合作开发。06.联系方式 zhangxinrui@tsinghua.edu.cn

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。