|
搜索
搜 索
高等教育領域數字化綜合服務平臺
醫學影像設備學綜合電路實驗箱
是新華醫療強大X線機研發團隊專門為高校醫學影像專業教學設計的又一力作，本實驗臺綜合了單個實驗箱的實驗功能，綜合性強，可使學生在比較中進行實驗，進而提高學生綜合運用知識的實驗效果，讓學生親身體驗，學以致用。主要實驗模塊包括：整流電路實驗、高頻X線機逆變頻率電路實驗、旋轉陽極啟動與保護電路實驗、磁飽合穩壓電路實驗、曝光限時電路實驗、管電壓管電流測量實驗、接地電阻測量實驗、X線機發生器基本工作原理及控制實驗等。
山東新華醫療器械股份有限公司
2022-11-08
周玉：推動科技產業深度融合 加快建設世界科技強國
科技創新是國家發展的核心動力。在當今全球競爭日益激烈的時代背景下，科技實力的強弱直接決定著一個國家的綜合競爭力和國際地位。
《中國科技產業》2024年第11期
2024-11-27
壓電材料軍民融合項目
高?？萍汲晒M在科轉云
西安交通大學
2021-04-10
智慧校園融合服務門戶
網上服務大廳是智慧校園整體框架中最主要的用戶服務窗口，將校內各類資訊、服務、系統入口、消息待辦、高頻應用等與師生日?？蒲薪虒W密不可分的信息資源統一聚合，并按照師生身份和功能業務域做合理劃分，讓師生用戶能夠以良好的用戶體驗獲得對校內各類信息資源的一站式訪問。
智慧校園整體建設中直接面向最終用戶的展現端，實現數據、用戶、權限、應用、服務、流程、內容等各個方面的集成，用戶通過瀏覽器（融合服務門戶）、移動端（超級APP）實現多場景、多端多入口、隨時隨地享受各類服務和應用。
一網通辦、一網統管
將傳統意義上的信息門戶、辦事大廳和各系統提供的業務服務等諸多入口融合，成為真正意義上一網通辦的入口，讓用戶能夠一站式完成發起服務、接收消息、處理待辦、查看資訊等各類高頻操作，大幅提高師生使用的便捷程度。
以服務建設為重點
轉變“重管理輕服務”的思想，以服務建設為重點，將原有的業務系統按照用戶的需求、使用習慣等因素重新進行封裝，為學生、教師、校領導等角色提供個性化的功能服務。
采用先進微服務結構
為簡化服務流程、便于敏捷開發、減少開發成本，融合服務門戶采用先進的微服務構架，若干可以獨立完成功能的微服務組合成為能夠滿足單一場景使用需求的微應用并被容器化部署，提高學校信息建設的靈敏度和迭代速度。
自定義配置
平臺提供多種報表配置工具、業務重構工具，通過可視化工具對業務流程與報表格式字段進行自定義配置。支持可動態執行的工作流及數據操作腳本，無需編譯就能夠通過動態腳本在工作流中直接處理表單數據。
快速獲取數據
基于場景和業務流程，深度挖掘數據價值，滿足業務人員對于數據需求的及時性，極大縮短數據搜尋和獲取時間。
服務媒介多元化
支持多樣化的身份識別，基于二維碼和人臉等，結合智能終端設備完成智慧校園認證場景全覆蓋，包括消費、考勤、簽到、門禁等服務“一碼/臉通行”。可通過PC、隨身智能終端、人臉識別設備、自助終端等進行應用獲取。
新開普電子股份有限公司
2022-06-30
第八屆產教融合發展大會在廊坊召開
7月24日，中國高等教育學會主辦的2024中國高等教育博覽會產教融合系列活動——第八屆產教融合發展大會在河北廊坊召開。
中國高等教育學會
2024-07-26
2024產教融合與高素質人才培養論壇在重慶舉辦
與會嘉賓從多維視角深入探討教育鏈、人才鏈與產業鏈的深度銜接機制，呈現了從政策引領、理論創新到實踐探索的全面途徑，產教融合合作為教育現代化和人才培養體系改革的重要路徑。
云上高博會
2024-11-28
新冠肺炎影像學AI智能輔助診斷研究
“現階段醫生需要在大量影像數據中快速診斷出新冠肺炎的病例，此外還需要診斷出病灶分布的位置、大小等來評估嚴重程度?！毖ο蜿柦榻B，針對臨床的現實需求，團隊將設計目標定位于“肺炎分類鑒別”和“關鍵病灶檢測”兩大功能，前者是為區別健康狀態、新冠肺炎、其他病毒性肺炎、細菌性肺炎，后者則為找到并分隔出磨玻璃影等病灶區域。針對這些需求，團隊設計診斷算法模型，讓機器利用模型進行訓練，學習不同類型肺炎在CT影像表現上的不同特征，最終具備智能輔助診斷的能力。而這需要突破小樣本學習、小目標檢測等多個技術難題?！靶颖緦W習”即在較少訓練數據樣本的條件下進行機器學習。在疫情發生前期，能夠獲取的新冠肺炎影像數據相對較少，且由于一線影像醫生任務繁重，無法獲得大量專家標注，因此需要算法在少量樣本的條件下“自學成才”。為此，團隊采用基于自遷移學習的半監督學習等技巧，使算法具備一定的“小樣本學習”能力，在不增加醫生標注工作量的情況下較好地提高了算法模型的普適性。由于CT影像切片中的病灶區域有大有小，且往往大中小病灶區域面積懸殊，如何使算法能同時檢測大、中、小各個目標是另一大難題。團隊利用神經網絡的層次性特點與病灶區域的大小進行對應，“網絡的底層關注細節，即小病灶區域，而網絡中層到高層所關注的病灶區域則越來越大，因此模型通過不同層次的加權和融合，最終便能達到同時檢測大小病灶區域的目標?！毖ο蜿柦忉尩??！安贿^，即便有診斷‘神器’，影像科醫生也是不可替代的?！毖ο蜿栒f，人是復雜的機體，病毒在不同人體內感染的反映也不一定相同。”他表示，當遇到機器未曾學習過的微小病變或疑難病例時，仍需要影像醫生的經驗和智慧。以解決實際問題為目標，該項目在研究過程中始終與臨床應用緊密結合。無論是機器學習數據，還是測試評估數據，都來源于臨床真實病例。在算法模型定型過程中，為了檢驗模型的準確率和泛化性，團隊也利用現實疑似病例進行了測試。
復旦大學
2021-04-10
基于AI 機器學習的影像組學模型研究
2019年12月以來，由SARS-CoV-2病毒感染導致的新型冠狀病毒疾病（COVID-19）在全球開始蔓延。報道顯示，SARS-CoV-2感染患者的中位住院時間為10天，而武漢患者在發病10天后癥狀有可能加重。因此，住院時間是COVID-19臨床預后的重要指標之一。 目前，CT影像學已成為COVID-19肺炎的診斷和監測工具，主要表現為磨玻璃影、實變及混合密度影。然而，現階段的影像學研究主要集中于對病灶的定性和半定量描述，缺乏對病灶的全定量分析。因此，基于前期提出的CT定量監測COVID-19肺炎病程，團隊假設在CT病灶背后的高通量影像特征“隱藏”了患者預后轉歸的“秘密”。 本研究納入了蘭州、安康、麗水、鎮江、臨夏5家新冠肺炎定點醫院，自2020年1月23日到2月8日期間住院患者的臨床資料和首次CT資料，所有患者經RT-PCR證實SARS-CoV-2病毒感染。至2月20日，研究共納入31例治愈出院的患者（排除14例未出院患者和7例首次CT檢查無肺炎表現患者），并將10天作為住院時長的二分類閾值?；谟邢薜臉颖玖?，團隊將4個中心作為訓練隊列，另外一個中心作為驗證隊列。通過自動分割肺葉和半自動分割病灶，31名患者中累計分割出72個病灶。在對病灶圖像預處理后，提取影像組學特征并篩選。為了研究影像組學特征的穩定性，團隊使用了Logistics回歸模型和隨機森林模型對篩選的特征分別進行建模和驗證。?結果發現，6個篩選出的二階特征在兩種不同分類器中均表現出良好的預測價值。在外部測試隊列中，Logistics回歸模型的AUC為0·97(95%CI 0·83-1·0), 敏感性 1·0, 特異性0·89；隨機森林模型的AUC為0·92 (95%CI 0·67-1·0),敏感性 0·75, 特異性1·0。隨后，研究又納入了2月20日-28日新出院的6名患者，利用已建立的影像組學模型可以正確預測所有6名患者的住院時間。
東南大學
2021-04-10
多模態醫學影像智能協診系統TPAID
中試階段/n該項目主要針對開源CT 醫學影像數據和多中心合作單位提供的多模醫學影像數據，采用人工智能技術和自主研制的深度學習算法對心臟左心室、腫瘤等CT 影像數據進行全自動分割，驗證了所研制算法在該項目計算機輔助腫瘤智能診斷應用中的有效性，為項目產業化實施奠定了方法基礎。成果的先進性或獨特性：針對不同類型的醫學影像感知設備，設計針對性強的機器學習智能算法；國內同類研究中首次采用“雙盲評估+驗證”的科研方法對影像數據進
武漢大學
2021-01-12
醫學影像云診斷思維訓練與考核系統
該系統基于各級醫療系統的影像科研臨床應用基礎及各類院校影像教學大 綱而開發，貼合各級診療機構日常診療習慣和院校教學大綱需求，方便教師對各 類影像圖片的展示和教學，能更好的讓學生全面對各類影像進行閱片、報告書寫 練習，以及熟悉臨床應用及診療流程，有利于訓練學生的影像技能操作能力及就業。
山東新華醫療器械股份有限公司
2022-11-08