|
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
人工智能边缘实验平台 （AI Edge Platform）
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.
重庆海云捷迅科技有限公司
2022-06-17
人工智能边缘实验平台 （AI Edge Platform）
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.
英特尔FPGA中国创新中心
2022-05-24
科大讯飞胡江院：从新质生产力发展看AI人才培养创新与实践
数字化与大学教学创新改革学术活动
中国高等教育博览会
2024-06-11
嵌入式实时系统建模验证工具
为了提高安全关键实时嵌入式软件系统的质量，降低开发成本与周期，并使得软件系统具有可重用、可移植和互操作等特性，基于目前国际标准体系结构描述语言AADL（ Architecture Analysis and Design Language）和同步语言Signal，研发了辅助配套软件工具集，可进行系统的可靠性、可调度性、安全性分析，以及自动代码生成，从全生命周期的角度保证系统的可信性质。 本项目主要特点如下。 1．可以插件的形式集成在AADL开发平台OSATE上，支持高可靠性实时系统的软件设计建模； 2．可以提供集成开发环境，将AADL模型转换为TASM模型和UPPAL模型，然后采用相关的模型分析和检测工具进行验证分析，包括可靠性、可调度性、时间属性等分析； 3．可以支持基本的AADL到C，Signal到OpenMP的自动代码生成技术。 目前该成果已指导多个关键实时系统的建模和验证应用，获得国家专利1项。
北京航空航天大学
2021-04-13
大尺寸焊接结构件高效建模方法
由于大尺寸焊接结构尺寸较大、结构复杂，所以其有限元建模过程难度较大，利用计算机编程技术对整个建模过程进行参数化设计，将复杂的结构转化为典型的简单结构，使得整个有限元仿真过程更加简单、效率更高。
一、项目分类
关键核心技术突破
二、成果简介
由于大尺寸焊接结构尺寸较大、结构复杂，所以其有限元建模过程难度较大，利用计算机编程技术对整个建模过程进行参数化设计，将复杂的结构转化为典型的简单结构，使得整个有限元仿真过程更加简单、效率更高；同时有限元分析对网格模型的要求高，需要在保证计算精度的前提下保证计算效率，使用网格过渡技术，保证热源影响大的区域使用精细的网格，热源影响小的区域使用较粗的网格，从而达到相同网格条件下更精确地计算结果与更高的计算效率。例如《大型复材工装焊接工艺研究》项目，针对大型复合材料结构件Invar合金模具手工电弧焊焊接工艺进行研究，采用高效建模的手段对研究对象进行模拟分析，降低时间与材料等方面的成本。采用实验与仿真并行，理论分析、实验研究、仿真分析相结合的技术路线开展 Invar 合金试板件手工焊接工艺参数探索。
三、创新点及主要技术指标
创新点：参数化建模，缩短建模周期；采用非均匀过渡性网格以控制计算量，在保证计算精度的前 提下压缩计算量，采用多 CPU 并行计算以提高计算效率。
技术指标：建模效率提高 30%，计算效率提高 30%。
四、知识产权及获奖
论文10余篇，其中典型示例如下：
Modeling and simulation of the columnar-to-equiaxed transition during laser melting deposition of Invar alloy
Stochastic Modeling Columnar Dendritic Grain Growth in the Weld Pool of Al-Cu alloy
专利：
基于精准能量分配的激光-电弧复合加工的能量分配系数模型的构建方法
一种焊接过程气孔形成与演变的二维计算机模拟方法
南京航空航天大学
2022-08-12
微生物交叉污染建模技术及应用
以肉类加工、流通、贮藏等下游生产链为切入点，以工厂加工生产、超市卖场销售、冷链运输流通、厨房贮藏烹饪等为主要场景设计，对气单胞菌、单增李斯特菌、肠炎沙门氏菌等的交叉污染建模理论进行了完善，定量观测并模拟了食源性致病菌在不同传递介质和操作方式影响下的交叉污染情况，并与消费者摄入 后的定量暴露评估、风险管理预警、限量标准制定、软件参数设置等相结合，特别是提出了采用矩阵的形式对气单胞菌在不同场景下和不同介质之间的转移过程进行量化的直观方法（，模拟了厨房环境下消费者食用不同材质案板处理过的污染
上海理工大学
2021-01-12
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
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