|
搜索
搜 索
高等教育领域数字化综合服务平台
《山东省科研诚信管理办法》印发！
《管理办法》共六章二十四条、一附件。
山东省科学技术厅
2024-09-14
一种基于用户感知的高效安全数据去重方法及系统
本发明提供了一种基于用户感知的高效安全数据去重方法，包 括：客户端采用密钥服务器协助的基于哈希的收敛加密进行跨用户文 件级数据去重；若文件不重复采用用户协助的收敛加密进行用户内部 的块级去重；采用多级密钥管理，使用文件级密钥加密块级密钥，使 用秘密共享将文件级密钥切分成分片级密钥存储到分布式密钥服务 器。本发明还提供了一种基于用户感知的高效安全数据去重系统。本 发明通过在文件级采用密钥服务器协助的基于哈希的收敛加密和
华中科技大学
2021-04-14
基于车载激光扫描数据的路坎点自动提取及矢量化方法
本发明公开了一种基于车载激光扫描数据的路坎点自动提取及矢量化方法，包括：步骤 1，计算三维激 光点云数据中各激光脚点的特征；步骤 2，根据各激光脚点的特征，利用朴素贝叶斯分类器将激光脚点分类为路坎点和非路坎点，所得路坎点记为初始路坎点；步骤 3，利用所有初始路坎点构建 KD 树，对各初始路坎点分别计算其方向特征；步骤 4，根据初始路坎点的方向特征，采用 KD 树对初始路坎点进类；步骤5，计算各聚类区域的特征，剔除特征不满足预设条件的聚类区域，获得路砍点提取结果。本发明了点云数据处理的自
武汉大学
2021-04-14
一种地理空间数据的用户隐私保护方法及系统
本发明提供一种地理空间数据的用户隐私保护方法及系统，包括对数据空间进行分割，基于均匀性 度量参数将相似单元格合并到同一个划分，向每个划分中分别添加符合拉普拉斯分布的随机噪声得到含 噪数据集，基于含噪数据集对外提供数据查询结果。本发明基于对噪声误差和均匀假设误差的分析，提 出了一种新颖的数据域粒度划分模型来平衡两种误差，使得数据查询总误差最小。此模型建立时考虑了 查询为矩形的情形，更符合数据查询实际情况。进一步，通过对数据空间中相似单元格进行合并
武汉大学
2021-04-14
一种基于大数据的智慧变电站实时监控系统及方法
本发明公开了一种基于大数据的智慧变电站实时监控系统及方法，具体涉及电力设备监控技术领域，包括多源采集处理模块、动态拓扑更新模块、设备状态监测模块、故障诊断预测模块、设备寿命预测模块、能效分析优化模块以及远程运维调度模块；本发明能够实现高精度故障检测及隐性关联挖掘，提高变电站异常检测能力，有效优化变电站各电力设备的寿命管理；能够确保维护资源分配合理，提高设备可靠性，提升综合能效，减少碳排放，无需人工干预调整运行模式，提高优化效率，实现变电站智能化运行。
南京工程学院
2021-01-12
一种用于网络虚拟手术的网络数据传输方法及系统
本发明公开了一种用于网络虚拟手术的网络数据传输方法及系统，包括：获得网络虚拟手术的工作在线特征，将工作在线特征输入至预训练后的反向传播神经网络获得四个监测输出特征；根据四个监测输出特征计算获得数据压缩率、预测补偿窗口大小、冗余重传次数以及本地插值平滑因子；按照数据压缩率对网络虚拟手术的工作数据压缩后执行数据传输；在网络虚拟手术的数据传输过程中，基于预测补偿窗口大小的卡尔曼预测器补偿延迟，根据冗余重传次数触发冗余重传对抗丢包，将本地插值平滑因子代入插值滤波器平滑网络抖动；将反向传播神经网络与虚拟手术力反馈系统相结合，实现了对网络化虚拟手术中延迟、抖动和丢包问题的自适应调节。
南京工业大学
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
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