|
搜索
搜 索
高等教育领域数字化综合服务平台
新冠肺炎AI辅助诊断系统
华中科技大学电信学院联合华为云等团队，研发并推出了新型冠状病毒感染的肺炎AI辅助医学影像量化分析系统。 华中科技大学电信学院白翔教授、许永超副教授等负责的华中科技大学-华为智能创新实验室积极发挥自身优势，针对新冠肺炎与华为云等团队共同研发出AI辅助医学影像量化分析系统，目前取得了有效进展。针对患者胸部CT影像中呈现多发小斑片影、多发磨玻璃影、浸润影、肺实变等特点，许永超等提供了基于纹理感知的病灶分割核心算法支持，该算法可实现单病例全自动精准量化结果的秒极输出，大幅提升了诊断效率，减轻医生诊断的繁重负荷。结合临床信息，系统可以辅助医生更高效地区分新冠肺炎的早期、进展期与重症期，有利于早期筛查与防控。同时，对于确诊病人，基于对多次复查影像数据的量化分析，医生能够有效评估病情进展及用药疗效等情况。
华中科技大学
2021-04-10
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
新冠肺炎 AI 筛查和辅助诊断系统
影像学检查在新冠肺炎的诊疗中具有非常重要的参考价值，《新型冠状病毒感染的肺炎诊疗方案（试行第五版）》将“疑似病例具有肺炎影像学特征者”作为临床诊断标准，但在临床实践中存在一定局限，疫情爆发导致待阅片数量激增，医生阅片压力巨大；新冠肺炎属于新发疾病，各地医疗机构特别是基层机构缺乏阅片经验，且由于“异病同影”，容易造成漏诊或误诊；该病病程发展快，患者需要接受多次胸部CT检查以监测病情发展、评估治疗效果等，单凭阅片医生肉眼很难快速对比并识别病灶变化。 在接诊量高峰期，亟待建立更精准高效的人工智能影像辅助诊断方法。孙逸仙纪念医院林天歆教授组织医院呼吸内科、急诊科、放射科、大数据与人工智能团队开展科研攻关，在广州再生医学与健康广东省实验室、广东省科技厅的支持下，联合清华大学、澳门科技大学以及广州康睿智能科技有限公司，使用50万份临床影像学大数据，开发了基于胸部CT的新型冠状病毒肺炎AI筛查和辅助诊断系统。 该系统能对新冠肺炎进行快速诊断，判定新冠肺炎的分级和严重程度，协助医疗机构加速辨别感染者，为快速隔离、诊断、治疗争取时间。其优势主要体现在：快速、准确地诊断新冠肺炎。有经验的影像科医生看完1个患者的胸部CT图像约15-30分钟。该AI系统可在20秒内完成1个患者CT图像的检测及诊断过程，诊断准确率达90%以上。进行病情严重程度分级和重症危重症预测功能。该系统可对胸部CT图像每一切面的小结节、磨玻璃影和实变进行自动分割、标注及定量分析，可预测患者的吸氧频率、血氧饱和度、全身代谢情况、其他器官损伤程度，预测病人发展为重症、危重症的概率和时间，以便医生及时干预，降低患者死亡率。协助医务人员进行药物效果评估，指导用药。系统可对同一位患者用药前后的CT图像进行对比分析，通过定量计算病灶在用药前后的变化，判别药物是否有效，指导临床用药。
中山大学
2021-04-10
AI画屏（The AI screen）
绘画作品的艺术风格包含画像的色彩、纹理、笔触等等，往往很难准确定义。基于深度学习的画像风格迁移让机器自行学习艺术家的作品，使得最终输出的合成图像呈现出与艺术家作品一致的风格。本演示可以把艺术家的风格迁移到摄像头捕捉的图像中，让平淡的图像呈现出不一样的艺术气息。
（The artistic style of a painting, which includes colors, textures, strokes, etc., is often difficult to define accurately. Deep learning-based portrait style transfer allows the machine to learn the artist's work by itself, so that the final output composite image presents a consistent style with the artist's work. This demo can transfer the artist's style to the image captured by the camera, so that the dull image presents a different artistic atmosphere.）
重庆海云捷迅科技有限公司
2022-06-17
AI画屏（The AI screen）
绘画作品的艺术风格包含画像的色彩、纹理、笔触等等，往往很难准确定义。基于深度学习的画像风格迁移让机器自行学习艺术家的作品，使得最终输出的合成图像呈现出与艺术家作品一致的风格。本演示可以把艺术家的风格迁移到摄像头捕捉的图像中，让平淡的图像呈现出不一样的艺术气息。（The artistic style of a painting, which includes colors, textures, strokes, etc., is often difficult to define accurately. Deep learning-based portrait style transfer allows the machine to learn the artist's work by itself, so that the final output composite image presents a consistent style with the artist's work. This demo can transfer the artist's style to the image captured by the camera, so that the dull image presents a different artistic atmosphere.）
英特尔FPGA中国创新中心
2022-05-24
实时智能监测与故障诊断专家系统的研究开发
项目是国家科技攻关计划“先进控制与优化软件及综合自动化软件平台产业化关键技术”子课题，项目在PCS层（过程控制层）与实时信息集成系统的基础上，实时智能监测与故障诊断专家系统充分利用网络技术、计算机技术、控制技术、通讯技术以及人工智能技术将分散的PCS层信息进行集成，实现信息管理的智能化。系统实现从已有的PCS层通讯网络获得数据，进行高一层次的综合和处理，进行安全监督、故障诊断和预报，而不改变使用人员已经熟悉的操作程序和规则，因而可达到更好的安全监控与管理的效果。
南京工业大学
2021-01-12
实时智能监测与故障诊断专家系统的研究与开发
在DCS与实时信息集成系统的基础上，实时智能故障诊断与专家系统充分利用网络技术、计算机技术、控制技术、通讯技术以及人工智能技术将分散的DCS系统进行集成，实现信息管理的智能化。实时智能故障诊断与专家系统实现从已有的DCS通讯网络获得数据，进行高一层次的综合和处理，进行监督、诊断和预报。主要内容：通讯网关：DCS数据高速公路和IFDES通过网关交换数据和信息。数据处理：从DCS、PLC和传感器送来的数据进行预处理，如数据工程化，数据转换和压缩。知识库：存放专家知识，用于工况监督、故障诊断、事故预报、提供在线操作指导；采用多种智能处理方法及软测量技术用于炼油生产过程的专家系统知识库的构建。推理系统：集成了前向推理机和反向推理机等，操作经验和事故教训将用于指导问题的解决。多媒体显示及操作手册的开发。与综合自动化平台集成。技术优势：1、 系统驱动器和数据处理器2、 数据库和服务器3、 IFDES专家系统4、 超媒体显示系统5、 IFDES与实时数据库接口的实现位号显示与趋势图模块 应用实例：已在炼油厂加氢裂解装置、烯烃厂锅炉装置等现场成功投运 投资规模及设备需求： 硬件环境（机型及CPU、内存、硬盘容量）：机型：运行Microsoft Windows操作系统；CPU: Intel 1.3GHz 及以上；内存：512M及以上；硬盘：80G及以上。 软件环境（操作系统、支持软件的名称及版本号）：操作系统：Microsoft Windows2000及以上版本；Web服务器：Microsoft IIS；数据库：Oracle 8.0以上；开发工具：Microsoft .Net Framework 1.1。实时智能监测与故障诊断专家系统软件（IFDES） 经济效益分析：本系统采用一系列先进的技术与开发集成手段。系统设计合理，使用方便，人机界面友好、开发周期短、扩充与二次开发便捷。性能价格比较高。它是低成本推广应用计算机及新技术的一次成功的尝试。使管理操作人员加强了工艺管理，及时捕捉到了装置运行过程中的事故隐患，确保了整个装置始终能处于高负荷、长周期稳定运行。使企业在最经济的成本下，产生最大的效益，减少事故的发生、原材的浪费与对环境的污染。经济与社会效益显著。
南京工业大学
2021-04-13
教创赛专家报告荟萃⑩ | 华中科技大学光学与电子信息学院程孟凡：“智驭AI”——光电学科“训AI促学”能力培养范式创新与实践
华中科技大学光电信息学院在“智驭AI”实践中，参考建构主义学习为核心的理念思路，构建“设计-实践-反思”的教学迭代循环，实现学生能力达成。
高等教育博览会
2025-09-28
AI多模态情绪分析系统
AI多模态情绪分析系统，是人工智能与心理学、计算机视觉、听觉感知等学科深度融合的前沿方向。它不再局限于传统的问卷答题，而是像一位敏锐的观察者，通过分析你的面部微表情、语音语调、肢体语言，甚至生理信号，来实时、客观地"读懂"你的情绪状态。这种技术正在心理健康、教育、人机交互等领域开启全新的可能性。
这套系统的核心在于"多模态"和"融合"。它模拟了人类如何综合视觉、听觉信息来理解对方情绪的过程。
多源数据采集：系统通过摄像头、麦克风等设备，同步采集个体的面部视频、语音音频，甚至可接入可穿戴设备获取心率等生理信号。
单模态特征提取：针对每种数据，用不同的AI模型提取情感特征。
视觉：分析面部肌肉运动（如嘴角上扬、眉毛紧蹙）、头部姿势、眼神等。先进的技术甚至能捕捉难以伪装的微表情（持续仅1/25至1/5秒），或通过分析面部血流图谱（rPPG）来感知生理唤醒水平。
听觉：提取语调、语速、音高、能量（MFCC梅尔频率倒谱系数）等声学特征，判断声音中的情绪色彩。
文本/语义：如果涉及对话，系统还会分析说话内容的语义，理解话语背后的真实意图和情感倾向。
多模态融合与情感解码：这是最关键的一步。系统通过复杂的深度学习算法（如Transformer、自监督多任务学习框架等），将来自不同模态的特征信息进行时空对齐和深度融合。例如，一句愤怒的"我没事"，配上闪躲的眼神和紧绷的嘴角，才会被准确识别为"掩饰性的愤怒"，而非字面意思的"没事"。
湖南可心教育科技有限公司
2026-03-20
AI医疗
1. 通过医院患者体检数据，进行大数据分析，找出特定疾病的隐性特征，并利用机器学习理论预测患者患病概率。2. 开发针对特定疾病诊断的深度学习模型，完成AI自动生成诊断报告，代替人工诊断，实现快速就诊。3. 开发出真菌AI
哈尔滨工业大学
2021-04-14