新葡京娱乐场-大陆娱乐场开户注册

簡介： 1、胰腺腫瘤CT圖像診斷算法。針對胰腺腫瘤分類問題，從醫學CT圖像出發，搭建深度學習模型。對于腫瘤分類，我們將問題建模成兩部：胰腺定位查找和胰腺腫瘤分類。我們建立級聯分割網絡，從病人腹部的CT圖像中將胰腺器官分割出來。級聯分割網絡比之前的層級分割網絡結果提升10各點。之后建立多模態分類網絡，針對CT圖像的特性，將多切片多造影劑時期多區域的數據進行融合，在胰腺腫物分類中取得了較好的結果。 層級分割模型示意圖  分類模型可視化熱圖   2、現有的乳腺癌腋窩淋巴轉移的醫療診斷措施為病理活檢，是一種過度醫療。基于乳腺鉬靶圖像的術前無創的乳腺癌腋窩淋巴轉移預測手段能夠有效避免過度醫療。我們構造了基于乳腺鉬靶圖像的深度卷積神經網絡模型來處理乳腺癌腋窩淋巴轉移問題。我們對乳腺鉬靶數據進行了預處理和數據集的整理、劃分。我們構造了三個不同的深度卷積神經網絡，患病側單體位網絡、患病側雙體位網絡和雙側雙體位四視圖網絡。其中，患病側單體位網絡分為 CC 位網絡和 MLO 位網絡。在乳腺鉬靶數據的測試集上，患病側 CC 位網絡、患病側 MLO 位網絡、患病側雙體位網絡、雙側雙體位四視圖網絡的結果依次遞增。這表明了同時使用同一患者的四張鉬靶圖像的雙側雙體位四視圖網絡具有更好的預測效果，更適合乳腺癌腋窩淋巴轉移預測任務。對于雙側雙體位四視圖網絡，我們不僅使用了雙側測試集 1，還使用了額外的雙側測試集 2 進行測試。 鉬靶乳腺圖像預處理   雙側雙體位深度學習網絡   優勢：從客觀的醫學圖像數據出發，結果可重復，而且高效快捷，提高識別準確率的同時，便于臨床推廣。  

1、胰腺腫瘤CT圖像診斷算法。針對胰腺腫瘤分類問題，從醫學CT圖像出發，搭建深度學習模型。對于腫瘤分類，我們將問題建模成兩部：胰腺定位查找和胰腺腫瘤分類。我們建立級聯分割網絡，從病人腹部的CT圖像中將胰腺器官分割出來。級聯分割網絡比之前的層級分割網絡結果提升10各點。之后建立多模態分類網絡，針對CT圖像的特性，將多切片多造影劑時期多區域的數據進行融合，在胰腺腫物分類中取得了較好的結果。層級分割模型示意圖 分類模型可視化熱圖 2、現有的乳腺癌腋窩淋巴轉移的醫療診斷措施為病理活檢，是一種過度醫療。基于乳腺鉬靶圖像的術前無創的乳腺癌腋窩淋巴轉移預測手段能夠有效避免過度醫療。我們構造了基于乳腺鉬靶圖像的深度卷積神經網絡模型來處理乳腺癌腋窩淋巴轉移問題。我們對乳腺鉬靶數據進行了預處理和數據集的整理、劃分。我們構造了三個不同的深度卷積神經網絡，患病側單體位網絡、患病側雙體位網絡和雙側雙體位四視圖網絡。其中，患病側單體位網絡分為 CC 位網絡和 MLO 位網絡。在乳腺鉬靶數據的測試集上，患病側 CC 位網絡、患病側 MLO 位網絡、患病側雙體位網絡、雙側雙體位四視圖網絡的結果依次遞增。這表明了同時使用同一患者的四張鉬靶圖像的雙側雙體位四視圖網絡具有更好的預測效果，更適合乳腺癌腋窩淋巴轉移預測任務。對于雙側雙體位四視圖網絡，我們不僅使用了雙側測試集 1，還使用了額外的雙側測試集 2 進行測試。鉬靶乳腺圖像預處理 雙側雙體位深度學習網絡 優勢：從客觀的醫學圖像數據出發，結果可重復，而且高效快捷，提高識別準確率的同時，便于臨床推廣。

該款智能消毒機器人由蘇州大學機器人與微系統研究中心研發的高科技產品，目前共有10臺。原設計用于農業植物保護的消殺工作，研究院團隊對設備進行了改造，調整噴霧系統，使其更適合消毒藥液的噴灑。智能消毒機器人可通過遠程無線遙控，它可以用于城市街道、社區、園區、車站、工地、學校等場所的除菌殺蟲、消毒、衛生防疫 消毒機器人的智能化在于，工作時可以通過遠距離遙控來實現，保障了遙控人員的安全。一旦啟動，在院區的人行道上可以無障礙行駛，自帶噴霧裝置向目標噴灑消毒噴霧，噴霧系統采用壓流和風力的二次霧化，采用特殊風道設計，水平噴幅可達30米，霧滴附著率高，藥液利用率高。消毒機器人每小時行走7公里，一次能開30公里，1小時可以消殺4萬平方米以上。僅用時40分鐘，消毒機器人就將占地56畝的研究院室外空間做了一次消毒“大清洗”。 該研發團隊的2臺機器人已用于相城區和姑蘇區集中隔離點的消殺工作，同時計劃將更多的設備投入到各領域的消殺工作中，并繼續加大研發投入。未來，消毒機器人還將投入到蘇大的各大校區、街道等區域，進行消殺工作，確保社會民眾的安全。

電子科技大學機械與電氣工程學院彭倍教授和駱德淵教授，帶領機器人與無人系統團隊根據疫情需要，迭代研發了“小護士”智能機器人，已經捐贈了2臺給武漢漢陽方艙醫院。 “小護士”智能機器人可以根據設定的程序，自主導航，進行噴灑消毒，派發藥品，還可以對病人進行生命體征測試，包括體溫、血壓、心率、血氧檢測分析。 “小護士”智能機器人通過人臉或指紋對病人進行身份確認，搭配熱成像人體測溫系統，測量精度高，還可以實現24小時智能監測預警，無人值守，遠程遙控，能極大降低醫護人員工作強度和暴露風險。

"吸痰是保持呼吸道通暢，改善肺泡通氣和換氣功能的一種重要方法，是機械通氣患者氣道管理中最常用的護理措施之一。然而現有的吸痰管吸痰技術不僅效率低、醫護人員工作強度大，而且容易導致呼吸道粘膜損傷、低血氧癥、肺不張、感染、心律失常、氣管痙攣等并發癥。 本項目將醫生的臨床經驗與工程技術相結合，發明了吸痰時刻在線辨識技術、模擬人類自然咳嗽的吸痰系統智能控制技術，最終形成一套使用簡單、安全高效的按需自動吸痰技術。"

項目介紹通過本項目的實施，解決了漏電保護死區等技術難題，獲發明專利授權2項、軟件著作權2項、實用新型專利授權8項。核心技術在多家企業應用，總體技術水平在同類產品中處于領先。由中國工程院院士等同行專家組成的專家組一致認為本項目在消除漏電保護死區和自適應漏電保護等方面有創新，獲得河北省科技進步一等獎。二、技術特點1. 提出基于剩余電流變化量法的漏電保護新原理，率先建立了故障漏電動作與已存在的剩余電流無關的漏電保護模型；2. 針對電網正常漏電電流隨氣候條件、用電設備及運行方式的改變而變化的特點，率先提出漏電動作閾值的浮動新技術；3. 提出剩余電流的直觀描述新方法，率先實現了三相等效漏電電流的相量顯示；4. 提出基于剩余電流變化量法的漏電保護特性測試新方法，對現行國際標準和國家標準進行補充與完善；5. 研制出智能漏電保護新產品，消除漏電保護死區、實現自適應漏電保護和漏電電流相量顯示，研制的智能漏電斷路器具備自動重合閘功能。6. 建立漏電保護監控管理系統，編制控制軟件，構建監控管理平臺。“漏電保護無死區”發明專利漏電保護自動跟蹤保護”發明專利智能漏電繼電器軟件著作權

近年來，無人機在簡單已知的環境中已經應用于巡檢工作，但還未在復雜 未知環境中成功應用于巡檢工作。飛行控制技術的發展使得無人機易于操控, 無人機在架空輸電線路巡檢中應用日益廣泛。為排除線路隱患，保障電力輸送, 國家電網幾十萬巡線工人為數百萬千米的線路付出了艱辛的勞動。地下電纜 隧道是城市供電的命脈，目前仍提升可靠性，降低人工巡檢強度，在線監測系 統和懸掛式電纜隧道巡檢機器人開始以人工巡檢為主，為保障可靠運行，巡 檢任務責任重大。為盡早排除隱患，輔助人工巡檢電纜隧道。在線監測系統通 常在隧道設計施工時統一規劃部署，安裝有視頻、溫度、氣體等各類傳感器, 能實現全程24小時不間斷監控。

據 2010 年第六次人口普查結果可知，我國 60 歲及以上人口為1.78 億人，占總人口的 13.26%，且呈上升趨勢。我國已經步入老齡化社會。如何照料老年人，提高老年人健康水平已成為亟待解決的社會難題。 步行是人在日常生活中最基本的運動，老年人自主步行不但可以減緩身體各器官的衰老，而且可以消除孤獨、厭世等悲觀情緒。老年人在步行過程當中，容易發生跌倒，跌倒造成的骨折、外傷會引起肢體及關節活動受限，進而引發肌肉萎縮等問題，嚴重影響老年人的身體健康。老年人身體機能的老化、認知能力的衰退是造成跌倒的兩個主要原因。 本項目團隊研發步行輔助機器人，使機器人能夠根據老年人的意圖及步行特點提供輔助，有助于提高老年人健康水平，解決老齡化社會助老助殘方面的需求。 本項目課題組研發的技術：“穩定識別人意圖的新一代人機交互式系統”獲得了 2011 年中國科技部舉辦的首屆中國天津技術創業大賽初創組一等獎（省部級獎項）。

南京航空航天大學唐敦兵、臧鐵鋼教授團隊與艾隆科技合作研制的全自動智能中藥煎煮系統項目在無錫投入運行，這套由南航團隊研發的自動化生產線采用全自動、標準化、流水線式處理，從處方到配送，全程信息可跟蹤追溯能提高中藥制成效率。使用該系統的無錫星洲醫藥有限公司智能煎藥服務中心自動化生產線產量可達每天3000張處方。這套全自動智能中藥煎煮系統從研發、生產過程監督、現場調試均由唐敦兵、臧鐵鋼教授團隊負責，它徹底改變了傳統中藥煎煮模式。該系統由南航無錫研究院設計完成，在醫院開出處方后，無需病人回家自己煎煮，而是采用集中化個性化煎煮模式，經由自動上藥、自動取蓋上蓋、自動輸送、自動加水浸泡、自動煎煮等環節制作成成藥，成藥通過快遞系統投遞到客戶。該系統通過互聯網等現代技術，智能中藥煎煮中心將配備了計算機控制系統的煎藥設備聯結起來，從而實現計算機終端控制，并能實現煎藥過程實時監控，與醫院管理系統、患者之間形成了良性的互動和交流。該系統最大的特點就是在通過現代化流水作業方式保證高效率的同時，也保留了傳統重要煎煮的工藝，比如有“一煎”“二煎”，每煎分“武火”“文火”。高效率和傳統工藝是一個矛盾，新的方案使兩者得到了平衡，是利用現代生產技術對傳統中醫藥煎煮過程的升華。  點擊查看原文

業界首個針對AI在極端和對抗環境下的算法安全性檢測與加固的工具平臺“對抗樣本”成新型病毒，算法安全問題亟待解決隨著人工智能技術的高速發展，人工智能在諸多場景正逐漸替代或協作著人類的各種勞動，它們可以成為人類的眼睛、耳朵、手臂甚至大腦。其中，機器視覺作為AI時代的基礎技術，其背后的AI算法一直是各科技巨頭和創業公司共同追逐的熱點。然而在機器視覺諸多主流應用場景的背后，往往也藏著由技術性缺陷導致的算法安全風險。例如，在一些訓練數據無法覆蓋到的極端場景中，自動駕駛汽車的識別系統可能出現匪夷所思的決策，危害乘車人的人身安全。從2016年至今，Tesla、Uber等企業的輔助駕駛和自動駕駛系統就都曾出現過類似致人死亡的嚴重事故。并且這類極端情形也可能被惡意制造并利用，發動“對抗樣本攻擊”，去年7月，百度等研究機構就曾經通過3D技術打印出能讓自動駕駛“無視”的障礙物，讓車輛面臨撞擊風險。而以上攻擊之所以能成功，主要是機器視覺和人類視覺有著很大的差異。因此可以通過在圖像、物體等輸入信息上添加微小的擾動改變(即上述故意干擾的“對抗樣本”)，就能導致很大的算法誤差。此外，隨著AI的進一步發展，AI算法模型將運用金融決策、醫療診斷等關鍵核心場景，這類AI“漏洞”的威脅將愈發凸顯出來。近年來，包括清華大學人工智能研究院院長張鈸院士、前微軟全球執行副總裁沈向洋等均提倡要發展安全、可靠、可信的人工智能以及負責任的人工智能，其中AI的安全應用均是重點方向。而且，AI安全作為新興領域，在開源社區、工具包的加持下，對抗樣本等攻擊手段日益變得復雜，相關防御手段的普及和推廣卻難以跟上。并且對抗樣本等算法漏洞檢測存在較高的技術壁壘，目前市面上缺乏自動化檢測工具，而大部分企業與組織不具備該領域的專業技能來妥善應對日益增長的惡意攻擊。從安全測評到防御加固，RealSafe讓AI更加安全可控就如網絡安全時代，網絡攻擊的大規模滲透誕生出殺毒軟件，RealAI團隊希望通過RealSafe平臺打造出人工智能時代的“殺毒軟件”，幫助企業高效應對人工智能時代下算法漏洞孕育出的“新型病毒”。目前，RealSafe平臺主要支持兩大功能模塊：模型安全測評、防御解決方案。其中，模型安全評測主要為用戶提供AI模型安全性評測服務。用戶只需接入所需測評模型的SDK或API接口，選擇平臺內置或者自行上傳的數據集，平臺將基于多種算法生成對抗樣本模擬攻擊，并綜合在不同算法、迭代次數、擾動量大小的攻擊下模型效果的變化，給出模型安全評分及詳細的測評報告(如下圖)。目前已支持黑盒查詢攻擊方法與黑盒遷移攻擊方法。防御解決方案則是為用戶提供模型安全性升級服務，目前RealSafe平臺支持五種去除對抗噪聲的通用防御方法，可實現對輸入數據的自動去噪處理，破壞攻擊者惡意添加的對抗噪聲。根據上述的模型安全評測結果，用戶可自行選擇合適的防御方案，一鍵提升模型安全性。另外防御效果上，根據實測來看，部分第三方的人臉比對API通過使用RealSafe平臺的防御方案加固后，安全性可提高40%以上隨著模型攻擊手段在不斷復雜擴張的情況下，RealSafe平臺還持續提供廣泛且深入的AI防御手段，幫助用戶獲得實時且自動化的漏洞檢測和修復能力。準確度99.99%也難逃被“惡意干擾”，RealSafe高效應對算法威脅 考慮到公眾對于對抗樣本這一概念可能比較模糊，RealSafe平臺特意選取了公眾最為熟知的人臉比對場景(人臉比對被廣泛用于金融遠程開戶、刷臉支付、酒店入住登記等場景的身份認證環節)提供在線體驗。并且，為了深入研究“對抗樣本”對人臉比對系統識別效果的影響，RealAI 團隊基于此功能在國內外主流 AI 平臺的演示服務中進行了測試。實測證明，“對抗樣本”可以極大的干擾人臉比對系統的識別結果，而測試的這幾家互聯網公司平臺開放的人臉比對API或SDK，幾乎覆蓋了目前市面上很多中小型企業在落地人臉識別應用時的選擇，如果他們的人臉比對技術存在明顯的安全漏洞，意味著更廣泛的應用場景將存在安全隱患。因此，為了幫助更大范圍內的企業高效應對算法威脅，RealSafe平臺具備以下兩大優勢：·  組件化、零編碼的在線測評：相較于ART、Foolbox等開源工具需要自行部署、編寫代碼，RealSafe平臺采用組件化、零編碼的功能設置，免去了重復造輪子的精力與時間消耗，用戶只需提供相應的數據即可在線完成評估，學習成本低，無需擁有專業算法能力也可以上手操作。·可視化、可量化的評測結果：為了幫助用戶提高對模型安全性的概念，RealSafe平臺采用可量化的形式對安全評測結果進行展示，根據模型在對抗樣本攻擊下的表現進行評分，評分越高則模型安全性越高。此外，RealSafe平臺提供安全性變化展示，經過防御處理后的安全評分變化以及模型效果變化一目了然。從數字世界到物理世界 RealAI落地更多安全周邊產品隨著機器學習模型不斷的升級演化，“對抗樣本”已經演變成一種新型攻擊手段，并且逐漸從數字世界蔓延到物理世界：在路面上粘貼對抗樣本貼紙模仿合并條帶誤導自動駕駛汽車拐進逆行車道、胸前張貼一張對抗樣本貼紙在監控設備下實現隱身……因此，除了針對數字世界的算法模型推出安全評測平臺，RealAI團隊也聯合清華大學AI研究院圍繞多年來積累的領先世界的研究成果落地了一系列AI攻防安全產品，為更多場景保駕護航。比如通過佩戴帶有對抗樣本圖案的“眼鏡”，黑客可以輕易破解商用手機的面部解鎖，通過在胸前張貼特制花紋實現在AI監控下的“隱身”，以及通過在車輛上涂裝特殊花紋躲避AI對車輛的檢測。發現類似新型漏洞的同時，RealAI也推出相應的防御技術，支持對主流AI算法中的安全漏洞進行檢測，并提供AI安全防火墻對攻擊AI模型的行為進行有效攔截。人工智能的大潮滾滾而來，隨之而來的安全風險也將越來越多樣化，尤其近年來因AI技術不成熟導致的侵害風險也頻頻發生，可以說，算法漏洞已逐漸成為繼網絡安全、數據安全后又一大安全難題。所幸的是，以RealAI為代表的這些頂尖AI團隊早已開始了AI安全領域的征程，并開始以標準化的產品助力行業降低應對安全風險的門檻與成本。此次上線RealSafe人工智能安全平臺是RealAI的一小步嘗試，但對于整個行業而言，這將是人工智能產業邁向健康可控發展之路的一大步。?