新葡京娱乐场-大陆娱乐场开户注册

全球近視病發(fā)病率逐年增加,到2050年全球人口近一半的人口將患近視病。角膜塑形鏡是-種非創(chuàng)傷性的近視治療技術(shù)，在全世界得到廣泛應(yīng)用。僅在中國每年就有超過100萬病人接受角膜塑形鏡治療。在角膜望形鏡配鏡過程中,由于參數(shù)組合眾多,傳統(tǒng)辦法依賴于醫(yī)生經(jīng)驗(yàn),因此配鏡質(zhì)量難以控制、效率不高、費(fèi)時(shí)耗力。本成果是全球首個(gè)基于人工智能算法的角膜塑形配鏡解決方案,實(shí)現(xiàn)了擁有完整自主知識(shí)產(chǎn)權(quán)的算法和芯片,比傳統(tǒng)方法提高效率10倍以上，同時(shí)極大保證了配鏡提高質(zhì)量。本成果與“愛爾眼科集團(tuán)”聯(lián)合開發(fā),臨床測試的配鏡準(zhǔn)確率達(dá)90%以上。

人工智能邊緣實(shí)驗(yàn)平臺(tái)為標(biāo)準(zhǔn)的2.5U機(jī)架式設(shè)備，配置20塊FPGA開發(fā)板(Cyclone® V SoC系列)，可供20位學(xué)員同時(shí)進(jìn)行FPGA設(shè)計(jì)、調(diào)試、下載及相關(guān)驗(yàn)證，并具備SoC網(wǎng)絡(luò)技術(shù)和FPGA遠(yuǎn)程調(diào)試技術(shù)，通過網(wǎng)絡(luò)為教學(xué)實(shí)驗(yàn)提供配套服務(wù)，實(shí)現(xiàn)在線實(shí)驗(yàn)室的虛擬仿真技術(shù)。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.

人工智能邊緣實(shí)驗(yàn)平臺(tái)為標(biāo)準(zhǔn)的2.5U機(jī)架式設(shè)備，配置20塊FPGA開發(fā)板(Cyclone V SoC系列)，可供20位學(xué)員同時(shí)進(jìn)行FPGA設(shè)計(jì)、調(diào)試、下載及相關(guān)驗(yàn)證，并具備SoC網(wǎng)絡(luò)技術(shù)和FPGA遠(yuǎn)程調(diào)試技術(shù)，通過網(wǎng)絡(luò)為教學(xué)實(shí)驗(yàn)提供配套服務(wù)，實(shí)現(xiàn)在線實(shí)驗(yàn)室的虛擬仿真技術(shù)。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.

視頻剪輯是一項(xiàng)簡單卻繁瑣的工作，需要投入大量的人力。而且人力完成的視頻剪輯，剪輯結(jié)果有著很強(qiáng)的主觀色彩。通過采集大量各類體育賽事數(shù)據(jù)進(jìn)行模型訓(xùn)練，利用深度神經(jīng)網(wǎng)絡(luò)良好的自主學(xué)習(xí)能力，采用Centernet作為多目標(biāo)檢測能力的實(shí)現(xiàn)框架，同時(shí)利用Transformer重構(gòu)目標(biāo)檢測進(jìn)行連鎖，二次捕捉目標(biāo)檢測的準(zhǔn)確性。CenterNet和Transformer的融合，實(shí)現(xiàn)了端到端的目標(biāo)檢測，在準(zhǔn)確性提升的基礎(chǔ)上滿足實(shí)時(shí)處理視頻的要求。綜合應(yīng)用多目標(biāo)檢測跟蹤以及多模式識(shí)別技術(shù)，實(shí)現(xiàn)短視頻的智能化剪輯，極大程度減少了人工工作量，同時(shí)也增加了短視頻剪輯的客觀性，在大數(shù)據(jù)時(shí)代背景下有著重要的現(xiàn)實(shí)意義。

“現(xiàn)階段醫(yī)生需要在大量影像數(shù)據(jù)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(píng)估嚴(yán)重程度。”薛向陽介紹，針對(duì)臨床的現(xiàn)實(shí)需求，團(tuán)隊(duì)將設(shè)計(jì)目標(biāo)定位于“肺炎分類鑒別”和“關(guān)鍵病灶檢測”兩大功能，前者是為區(qū)別健康狀態(tài)、新冠肺炎、其他病毒性肺炎、細(xì)菌性肺炎，后者則為找到并分隔出磨玻璃影等病灶區(qū)域。針對(duì)這些需求，團(tuán)隊(duì)設(shè)計(jì)診斷算法模型，讓機(jī)器利用模型進(jìn)行訓(xùn)練，學(xué)習(xí)不同類型肺炎在CT影像表現(xiàn)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(xué)習(xí)、小目標(biāo)檢測等多個(gè)技術(shù)難題。“小樣本學(xué)習(xí)”即在較少訓(xùn)練數(shù)據(jù)樣本的條件下進(jìn)行機(jī)器學(xué)習(xí)。在疫情發(fā)生前期，能夠獲取的新冠肺炎影像數(shù)據(jù)相對(duì)較少，且由于一線影像醫(yī)生任務(wù)繁重，無法獲得大量專家標(biāo)注，因此需要算法在少量樣本的條件下“自學(xué)成才”。為此，團(tuán)隊(duì)采用基于自遷移學(xué)習(xí)的半監(jiān)督學(xué)習(xí)等技巧，使算法具備一定的“小樣本學(xué)習(xí)”能力，在不增加醫(yī)生標(biāo)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(qū)域有大有小，且往往大中小病灶區(qū)域面積懸殊，如何使算法能同時(shí)檢測大、中、小各個(gè)目標(biāo)是另一大難題。團(tuán)隊(duì)利用神經(jīng)網(wǎng)絡(luò)的層次性特點(diǎn)與病灶區(qū)域的大小進(jìn)行對(duì)應(yīng)，“網(wǎng)絡(luò)的底層關(guān)注細(xì)節(jié)，即小病灶區(qū)域，而網(wǎng)絡(luò)中層到高層所關(guān)注的病灶區(qū)域則越來越大，因此模型通過不同層次的加權(quán)和融合，最終便能達(dá)到同時(shí)檢測大小病灶區(qū)域的目標(biāo)。”薛向陽解釋道。“不過，即便有診斷‘神器’，影像科醫(yī)生也是不可替代的。”薛向陽說，人是復(fù)雜的機(jī)體，病毒在不同人體內(nèi)感染的反映也不一定相同。”他表示，當(dāng)遇到機(jī)器未曾學(xué)習(xí)過的微小病變或疑難病例時(shí)，仍需要影像醫(yī)生的經(jīng)驗(yàn)和智慧。以解決實(shí)際問題為目標(biāo)，該項(xiàng)目在研究過程中始終與臨床應(yīng)用緊密結(jié)合。無論是機(jī)器學(xué)習(xí)數(shù)據(jù)，還是測試評(píng)估數(shù)據(jù)，都來源于臨床真實(shí)病例。在算法模型定型過程中，為了檢驗(yàn)?zāi)Ｐ偷臏?zhǔn)確率和泛化性，團(tuán)隊(duì)也利用現(xiàn)實(shí)疑似病例進(jìn)行了測試。

2019年12月以來，由SARS-CoV-2病毒感染導(dǎo)致的新型冠狀病毒疾病（COVID-19）在全球開始蔓延。報(bào)道顯示，SARS-CoV-2感染患者的中位住院時(shí)間為10天，而武漢患者在發(fā)病10天后癥狀有可能加重。因此，住院時(shí)間是COVID-19臨床預(yù)后的重要指標(biāo)之一。 目前，CT影像學(xué)已成為COVID-19肺炎的診斷和監(jiān)測工具，主要表現(xiàn)為磨玻璃影、實(shí)變及混合密度影。然而，現(xiàn)階段的影像學(xué)研究主要集中于對(duì)病灶的定性和半定量描述，缺乏對(duì)病灶的全定量分析。因此，基于前期提出的CT定量監(jiān)測COVID-19肺炎病程，團(tuán)隊(duì)假設(shè)在CT病灶背后的高通量影像特征“隱藏”了患者預(yù)后轉(zhuǎn)歸的“秘密”。 本研究納入了蘭州、安康、麗水、鎮(zhèn)江、臨夏5家新冠肺炎定點(diǎn)醫(yī)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(jīng)RT-PCR證實(shí)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(xiàn)患者），并將10天作為住院時(shí)長的二分類閾值。基于有限的樣本量，團(tuán)隊(duì)將4個(gè)中心作為訓(xùn)練隊(duì)列，另外一個(gè)中心作為驗(yàn)證隊(duì)列。通過自動(dòng)分割肺葉和半自動(dòng)分割病灶，31名患者中累計(jì)分割出72個(gè)病灶。在對(duì)病灶圖像預(yù)處理后，提取影像組學(xué)特征并篩選。為了研究影像組學(xué)特征的穩(wěn)定性，團(tuán)隊(duì)使用了Logistics回歸模型和隨機(jī)森林模型對(duì)篩選的特征分別進(jìn)行建模和驗(yàn)證。?結(jié)果發(fā)現(xiàn)，6個(gè)篩選出的二階特征在兩種不同分類器中均表現(xiàn)出良好的預(yù)測價(jià)值。在外部測試隊(duì)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(jī)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(xué)模型可以正確預(yù)測所有6名患者的住院時(shí)間。 

中國電子學(xué)會(huì)發(fā)布“電子信息領(lǐng)域優(yōu)秀科技論文（2020）遴選活動(dòng)”入選論文。東南大學(xué)尤肖虎、張川、談曉思、金石、鄔賀銓聯(lián)合署名的論文《AI for 5G: research

一、項(xiàng)目進(jìn)展 創(chuàng)意計(jì)劃階段 二、負(fù)責(zé)人及成員 姓名 學(xué)院/所學(xué)專業(yè) 入學(xué)/畢業(yè)時(shí)間 學(xué)號(hào) 趙玉蓉 外國語學(xué)院/英語 2016/2020 201631131102 三、指導(dǎo)教師 姓名 學(xué)院/所學(xué)專業(yè) 職務(wù)/職稱 研究方向 阮先玉 外國語學(xué)院/英語 教研室主任/副教授 語言學(xué)、翻譯 四、項(xiàng)目簡介 隨著互聯(lián)網(wǎng)的發(fā)展，機(jī)器翻譯成為翻譯活動(dòng)中的重要的輔助工具。而機(jī)器翻譯錯(cuò)譯、死譯頻出，給翻譯工作帶來諸多不便。近年來，“大數(shù)據(jù)”的出現(xiàn)為機(jī)器翻譯帶來了新希望，其獨(dú)特的“4V”特點(diǎn)將對(duì)機(jī)器翻譯產(chǎn)生革命性的影響。尤其最近出現(xiàn)的AI同傳給翻譯行業(yè)帶來了不小的沖擊，本項(xiàng)目希望通過探究大數(shù)據(jù)在AI同傳中的應(yīng)用，分析AI同傳翻譯的優(yōu)點(diǎn)和局限性，推動(dòng)機(jī)器翻譯的發(fā)展。

1.痛點(diǎn)問題 新材料的設(shè)計(jì)與研發(fā)往往面臨挑戰(zhàn)：急需的新材料難以快速篩選設(shè)計(jì)，而設(shè)計(jì)出的新材料又難以找到高效且低成本的合成配方，擁有合成配方的新材料又會(huì)面臨規(guī)模化的長周期探索。根據(jù)國家工業(yè)和信息化部對(duì)30余家大型骨干企業(yè)調(diào)查結(jié)果顯示，130種關(guān)鍵材料中，有32%國內(nèi)完全空白、54%雖能生產(chǎn)，但性能穩(wěn)定性較差、只有14%左右可以完全自給，亟需新思路來解決我國新材料研發(fā)難題。本項(xiàng)目著眼于新材料研發(fā)，希望通過創(chuàng)建目前業(yè)內(nèi)空白的智能化新材料研發(fā)范式，引領(lǐng)行業(yè)智能材料開發(fā)自動(dòng)化服務(wù)與工藝的開發(fā)。 在數(shù)字化、智能化浪潮中，國家和各行業(yè)的產(chǎn)業(yè)界都非常看重科研的智能化升級(jí)。通過持續(xù)的交流與調(diào)研，我們發(fā)現(xiàn)許多企業(yè)和研發(fā)團(tuán)隊(duì)目前對(duì)智能研發(fā)存在大量潛在需求，而智能研究服務(wù)與工藝的同類競品極少。因此，清華智研將作為一家高新科技企業(yè)，以AI賦能研發(fā)（AIEmpoweringResearch&Development）為使命，組建國際頂尖水平團(tuán)隊(duì)，向國內(nèi)引進(jìn)并自主開發(fā)世界前沿的AIforScience技術(shù)，打造世界級(jí)的AI未來實(shí)驗(yàn)室（World-ClassAIFutureLab）。 2.解決方案 本技術(shù)為新材料研發(fā)數(shù)字化智能服務(wù)平臺(tái)，可在材料研發(fā)過程中對(duì)各個(gè)尺度以及不同研發(fā)階段下進(jìn)行智能化的加速及分析服務(wù)。以各種人工智能算法為核心，如主動(dòng)學(xué)習(xí)算法，圖神經(jīng)網(wǎng)絡(luò)，卷積神經(jīng)網(wǎng)絡(luò)等，我們根據(jù)不同材料體系的尺度包括三大方面：1.針對(duì)分子及晶體等微觀尺度的功能材料研發(fā)，設(shè)計(jì)智能化的深度學(xué)習(xí)系統(tǒng)。2.針對(duì)二維功能材料及其功能性器件、催化劑、膜材料等宏觀尺度，設(shè)計(jì)智能化的深度學(xué)習(xí)系統(tǒng)。3.針對(duì)功能材料研發(fā)的表征儀器等平臺(tái)尺度，設(shè)計(jì)智能化的系統(tǒng)解決方案。這些智能化解決方案能極大地加速新材料尤其是碳中和相關(guān)材料的研發(fā)速度，從而大大地降低研發(fā)成本與時(shí)間，為企業(yè)獲得有競爭優(yōu)勢的科研壁壘。 自動(dòng)化和人工智能助力未來智能實(shí)驗(yàn)室的方方面面，從樣品制備（稱量固體、添加液體、超聲處理.等)，到合成（分配液體，控制溫度，混合，測量pH值，干燥等)、表征（氣相色譜，高效液相色譜，分光光度法等)，通過自動(dòng)化/機(jī)器人的輔助，可以有效提高可重復(fù)性，提高信噪比，加快實(shí)驗(yàn)速度。通過人工智能技術(shù)，將實(shí)驗(yàn)數(shù)據(jù)轉(zhuǎn)換為可操作的智能指導(dǎo)，快速瀏覽并利用復(fù)雜的數(shù)據(jù)，提升認(rèn)知能力。 智能化研發(fā)平臺(tái) 3.合作需求 擬成立公司推動(dòng)該項(xiàng)成果的產(chǎn)業(yè)化進(jìn)程，希望對(duì)接 1）工程化、產(chǎn)品化所需的資源； 2）新能源、新材料領(lǐng)域合作企業(yè)。