（一）项目背景 目前 5G 商用正式拉开序幕，按照目前的网络维护模式，网优的成本会持续增大。随着网络设备的更新换代，越来越多的网络设备需要维护，特 别是 5G，相同的覆盖面积，因为 5G 的网络频率更高、传输距离更近，5G 对比 4G 需要部署 3-4 倍的网络设备数量。对于运营商来说，无线网络维护 的成本会成倍增加。急需技术更新换代，而我们可以填补该需求空缺：解决当前 4G 网优困境，同时适应 5G 的无线网络优化要求。 （二）项目简介 项目针对公网网络规模大用户多，专网用户自主网络维护能力弱的关 键难题，提出了云-边-端一体化的异构资源管理架构及优化方法，可满足感知、测控、通信等多样化业务需求，提供全流程一体化端到端解决方案， 变革新一代移动通信网络的网络优化模式，促进感知、测控、通信等行业专网用户快速跨越式发展。 （三）关键技术 云-边-端一体化异构资源协同优化技术与系统，包括两个部分：集成终 端采集软件（路测设备、用户终端、物联网模块）和后台在线分析诊断系 统。  1、终端的采集系统。终端的采集特性可以定时或主动采集某一个或某些 信令的数据，每个采集终端有一个代理 Agent、基带芯片的接口适配模块、 文件系统、无线传输模块，信令数据根据监测对象的不同进行自由配置， 并实时根据配置要求上传采集的数据到后台中心。 2、云化后台系统。后台分析系统负责整个系统的后端数据通信采集、数 据存储、业务应用、分析模型算法，其中业务应用包括采集终端管理、信令管理、数据管理、权限管理等。模型算法包括关系型数据模型的建立、 信令参数与网络设备的关联统计等。

XM-SX-IIIA便携式中医舌诊仪   XM-SX-IIIA便携式中医舌诊仪（中医舌象智能辅助诊断系统）是采用数据挖掘技术、机器视觉技术相结合的产品，该产品安装简单、操作方便、安全可靠、配置灵活，既能用于各大中医药大学舌象相关的教学、科研，又适用于医生舌诊的辅助分析，适用范围较广。   一、主要功能： ■ 计算机控制内部相机进行自动对焦拍摄，操作简单，图像清晰，完全实现舌象采集自动化。 ■ 采用数字化舌象采集平台与标准化方法还原，使舌象真实再现。 ■ 内部摄像采用模拟自然光源并能进行光线调节，使采集环境保持稳定。 ■ 在特定的光源环境下，采用摄像头获得舌像信息，对舌体图像的颜色、纹理、轮廓进行特征提取，由计算机将这些特征值与特征数据库中的阈值进行比对判断，给出舌象分析结果。 ■ 可以随时查询病例报告。 ■ 可以分析舌质颜色、舌苔颜色、舌形状、舌态。 ■ 内置消毒灭菌装置，操作前使用，避免交叉感染。 ■ 软件可以根据实际舌象的瘀斑、点刺、齿痕、裂纹等症状用文字显示舌象特征、临床病症以及饮食及用药建议。   二、主要特点： ■ 系统具有自主学习功能，通过不断学习，有效提高系统自主诊断准确性。 ■ 支持自动分析，且允许人工修正，提高诊断的准确性。 ■ 准确分析舌质、舌苔等，并直观显示结果。 ■ 支持初诊、复诊分离，实现便捷就诊。 ■ 支持多关键字的查询统计。 ■ 支持诊断分析报告打印。 ■ 用户权限管理，提高安全性。 ■ 自动对焦（即自动舌体捕获）。 ■ 灯光控制功能。   三、软件功能： ■ 用户权限管理，提高系统安全性。     ■ 病理、临床库可以持续更新，具备学习能力，且具备自动提取舌体，自动分析舌体、自动分析后手动调整等功能，提高了学习的准确度。 ■ 快捷的初诊、复诊入口，操作方便、快捷。 ■ 功能强大的视频分析能力，既可实时诊断，又可能根据需要进行人工调整。 ■ 灵活多变的查询统计能力，数据分析能力。 ■ 病例学习：单击主界面中的“病例学习”选项，进入学习界面，包括读取、保存、舌体轮廓提取、特征提取、自动提取控制、量化数据显示、舌象特征录入、临床意思录入、饮食指导及用药建议录入等选项，学习与分析过程，采用人机交互的方式。 ■ 自动获取：单击自动获取按钮，如果参数正确，舌体提取成功，若存在不足，可通过自动提取控制中的进度条及取反控制框选择来进行控制。 ■ 特征提取：为了便于分步处理，此处特征提取分步骤完成，分别舌质特征、舌苔特征、齿痕特征、裂纹特征、瘀斑特征以及点刺特征。点击某功能按钮后，相关特征将被量化，以舌质为例加以说明。比如，单击舌质特征、舌苔特征按钮后，数据结果自动分析结果。 ■ 人工绘制：对于某些来自于其他途径的图片，会存在自动获取舌头错误的情况，此时可以通过人工绘制来完成。单击“人工绘制”后，在图像显示区域，单击右键将出现菜单，包括选中舌体、勾画轮廓和撤销。其中选中舌体仅需在舌头四周点选四个点，单击“绘制完成”后再自动识别完成；勾画轮廓则是按住鼠标左键后通过拖动完成绘制，绘制完成后单击“绘制完成”便实现舌体提取。撤销可以对绘制过程觉得不满意的地方进行撤销，最多支持5步撤消。

XM-SX-4中医舌象诊断系统（网络版）   XM-SX-4网络版中医舌象诊断系统在单机版的基础上增加了以下功能： ■ 联网测试：教师机可以以管理员角色进行题库管理、试卷管理、试题管理、用户管理、数据分析。 ■ 题库管理：增加题库、删除题库、修改题库、查看题库。 ■ 试卷管理：可以查看、修改各试卷的详细内容和考生的考试详情，可以把试卷以word格式导出。 ■ 用户管理：修改用户、查看用户、增加或删除用户、查看考试记录。 ■ 试题管理：增加试题、删除试题、批量导入试题、克隆试题、修改试题等，目前默认支持5种题型（单选题，多选题，判断题，填空题和问答题）。 c：考试分析、试卷分析。 ■ 教师机：可以自主添加题库及试题，能随时设置考试开始和结束时间、成绩公布时间，编辑舌象试题发送到学生机中，教师机也可以在后台进行成绩修改。 ■ 学生机：学生机收到试题后在考试允许时间内开始答题，答题完成后提交试卷发送回教师机，系统可以自动评分，成绩公布时学生机可以看到自己的考试成绩。 一、主要功能： ■ 计算机控制内部相机进行自动对焦拍摄，操作简单，图像清晰，完全实现舌象采集自动化。 ■ 采用数字化舌象采集平台与标准化方法还原，使舌象真实再现。 ■ 内部摄像采用模拟自然光源并能进行光线调节，使采集环境保持稳定。 ■ 在特定的光源环境下，采用摄像头获得舌像信息，对舌体图像的颜色、纹理、轮廓进行特征提取，由计算机将这些特征值与特征数据库中的阈值进行比对判断，给出舌象分析结果。 ■ 可以随时查询病例报告。 ■ 可以分析舌质颜色、舌苔颜色、舌形状、舌态。 ■ 内置消毒灭菌装置，操作前使用，避免交叉感染。 ■ 软件可以根据实际舌象的瘀斑、点刺、齿痕、裂纹等症状用文字显示舌象特征、临床病症以及饮食及用药建议。 二、主要特点： ■ 系统具有自主学习功能，通过不断学习，有效提高系统自主诊断准确性。 ■ 支持自动分析，且允许人工修正，提高诊断的准确性。 ■ 准确分析舌质、舌苔等，并直观显示结果。 ■ 支持初诊、复诊分离，实现便捷就诊。 ■ 支持多关键字的查询统计。 ■ 支持诊断分析报告打印。 ■ 用户权限管理，提高安全性。 ■ 自动对焦（即自动舌体捕获）。 ■ 灯光控制功能。 三、软件功能： ■ 用户权限管理，提高系统安全性。     ■ 病理、临床库可以持续更新，具备学习能力，且具备自动提取舌体，自动分析舌体、自动分析后手动调整等功能，提高了学习的准确度。 ■ 快捷的初诊、复诊入口，操作方便、快捷。 ■ 功能强大的视频分析能力，既可实时诊断，又可能根据需要进行人工调整。 ■ 灵活多变的查询统计能力，数据分析能力。 ■ 病例学习：单击主界面中的“病例学习”选项，进入学习界面，包括读取、保存、舌体轮廓提取、特征提取、自动提取控制、量化数据显示、舌象特征录入、临床意思录入、饮食指导及用药建议录入等选项，学习与分析过程，采用人机交互的方式。 ■ 自动获取：单击自动获取按钮，如果参数正确，舌体提取成功，若存在不足，可通过自动提取控制中的进度条及取反控制框选择来进行控制。 ■ 特征提取：为了便于分步处理，此处特征提取分步骤完成，分别舌质特征、舌苔特征、齿痕特征、裂纹特征、瘀斑特征以及点刺特征。点击某功能按钮后，相关特征将被量化，以舌质为例加以说明。比如，单击舌质特征、舌苔特征按钮后，数据结果自动分析结果。 ■ 人工绘制：对于某些来自于其他途径的图片，会存在自动获取舌头错误的情况，此时可以通过人工绘制来完成。单击“人工绘制”后，在图像显示区域，单击右键将出现菜单，包括选中舌体、勾画轮廓和撤销。其中选中舌体仅需在舌头四周点选四个点，单击“绘制完成”后再自动识别完成；勾画轮廓则是按住鼠标左键后通过拖动完成绘制，绘制完成后单击“绘制完成”便实现舌体提取。撤销可以对绘制过程觉得不满意的地方进行撤销，最多支持5步撤消。

本发明提供一种HVDC系统换流母线外部故障的人工智能识别方法。其特点是该方法利用小波变换多尺度分解算法，把系统故障信号分解到不同频段，以不同频段信号小波能量偏度作为故障诊断特征向量，再结合BP神经网络实现交流系统故障类型的准确识别。该方法与以往交流系统故障类型识别方法相比较，从能量分布的角度，只需对一个故障信号进行特征提取，不受系统运行方式的影响，操作简单，准确性好，可性度高。

简介： 1、胰腺肿瘤CT图像诊断算法。针对胰腺肿瘤分类问题，从医学CT图像出发，搭建深度学习模型。对于肿瘤分类，我们将问题建模成两部：胰腺定位查找和胰腺肿瘤分类。我们建立级联分割网络，从病人腹部的CT图像中将胰腺器官分割出来。级联分割网络比之前的层级分割网络结果提升10各点。之后建立多模态分类网络，针对CT图像的特性，将多切片多造影剂时期多区域的数据进行融合，在胰腺肿物分类中取得了较好的结果。 层级分割模型示意图  分类模型可视化热图   2、现有的乳腺癌腋窝淋巴转移的医疗诊断措施为病理活检，是一种过度医疗。基于乳腺钼靶图像的术前无创的乳腺癌腋窝淋巴转移预测手段能够有效避免过度医疗。我们构造了基于乳腺钼靶图像的深度卷积神经网络模型来处理乳腺癌腋窝淋巴转移问题。我们对乳腺钼靶数据进行了预处理和数据集的整理、划分。我们构造了三个不同的深度卷积神经网络，患病侧单体位网络、患病侧双体位网络和双侧双体位四视图网络。其中，患病侧单体位网络分为 CC 位网络和 MLO 位网络。在乳腺钼靶数据的测试集上，患病侧 CC 位网络、患病侧 MLO 位网络、患病侧双体位网络、双侧双体位四视图网络的结果依次递增。这表明了同时使用同一患者的四张钼靶图像的双侧双体位四视图网络具有更好的预测效果，更适合乳腺癌腋窝淋巴转移预测任务。对于双侧双体位四视图网络，我们不仅使用了双侧测试集 1，还使用了额外的双侧测试集 2 进行测试。 钼靶乳腺图像预处理   双侧双体位深度学习网络   优势：从客观的医学图像数据出发，结果可重复，而且高效快捷，提高识别准确率的同时，便于临床推广。  

1、胰腺肿瘤CT图像诊断算法。针对胰腺肿瘤分类问题，从医学CT图像出发，搭建深度学习模型。对于肿瘤分类，我们将问题建模成两部：胰腺定位查找和胰腺肿瘤分类。我们建立级联分割网络，从病人腹部的CT图像中将胰腺器官分割出来。级联分割网络比之前的层级分割网络结果提升10各点。之后建立多模态分类网络，针对CT图像的特性，将多切片多造影剂时期多区域的数据进行融合，在胰腺肿物分类中取得了较好的结果。层级分割模型示意图 分类模型可视化热图 2、现有的乳腺癌腋窝淋巴转移的医疗诊断措施为病理活检，是一种过度医疗。基于乳腺钼靶图像的术前无创的乳腺癌腋窝淋巴转移预测手段能够有效避免过度医疗。我们构造了基于乳腺钼靶图像的深度卷积神经网络模型来处理乳腺癌腋窝淋巴转移问题。我们对乳腺钼靶数据进行了预处理和数据集的整理、划分。我们构造了三个不同的深度卷积神经网络，患病侧单体位网络、患病侧双体位网络和双侧双体位四视图网络。其中，患病侧单体位网络分为 CC 位网络和 MLO 位网络。在乳腺钼靶数据的测试集上，患病侧 CC 位网络、患病侧 MLO 位网络、患病侧双体位网络、双侧双体位四视图网络的结果依次递增。这表明了同时使用同一患者的四张钼靶图像的双侧双体位四视图网络具有更好的预测效果，更适合乳腺癌腋窝淋巴转移预测任务。对于双侧双体位四视图网络，我们不仅使用了双侧测试集 1，还使用了额外的双侧测试集 2 进行测试。钼靶乳腺图像预处理 双侧双体位深度学习网络 优势：从客观的医学图像数据出发，结果可重复，而且高效快捷，提高识别准确率的同时，便于临床推广。

猪流感(Swineinfluenza，SI)是目前危害养猪业的一种重要的 呼吸系统疾病，是规模化养猪场普遍存在且难以根除的群发性疾病之一。项目 开发了猪流感病毒的快速检测方法，制备了猪流感灭活疫苗（H1N1 亚型 SSD 株）。 经过临床试验证明，注射疫苗可显著提高仔猪成活率。 生产条件及经济效益预测：经过市场推广，疫苗销售良好，用户反应免疫 效果良好，可以显著提高仔猪抵抗力，仔猪成活率和出栏率提高 10%。平均每年 能为社会增加 1365 万元的经济效益；用于该项科研成果的每 1 元研制费用，在 经济效益计算年限内，平均每年可为社会增加 5.35 元的纯收益，经济效益非常 明显。

  肠癌合并同时性腹膜转移（PC）的发病率约为5-10%，复发时合并腹膜转移发病率为25-44%。“腹膜转移如果能够早期诊断，可以增加彻底减瘤手术的机会，未来能够明显延长肠癌患者的生存期。”王辉教授说。2018年团队和深圳腾讯AI lab建立了合作关系，研发一个基于卷积神经网络（CNN）的ResNet3D系统。经查，这是世界上第一个诊断肠癌腹膜转移的AI平台，能够自动识别原发肿瘤特征，同时提取肿瘤临近腹膜的影像学特征，构建基于人工智能的SVM分类器。训练组一共纳入了19814张CT图像，验证组包括了7837张CT图像。    研究发现，ResNet3D的AI系统仅需花费34秒就自动识别并诊断了所有验证图像。“ResNet3D+SVM分类器”的肠癌腹膜转移诊断的准确性高达94%，AUC为0.922，敏感性和特异性均高达94%，明显优于常规增强CT的诊断能力。

l 一种高效的痕量临床病人样本的高通量全蛋白组学定量分析方法。中国发明专利申请号：CN201710155263.3.基于二代测序和蛋白质组学的高效价特异性抗体基因工程生产和制备。

本项目由华西医院肿瘤分子诊断研究室郑鸿教授承担，发现世界上第一个能够在血清学水平准确识别乳腺癌和前列腺癌的两种分子标志物，并开发出针对这两种肿瘤的早期筛查产品。改技术已获得两项国际专利。目前在对乳腺癌和前列腺癌的大病例临床研究基础上完善了对该标志物的临床评价，正在进行诊断试剂盒的制备，已获得多个单抗和多抗，并建立了该标志物的ELISA检测方法，下一步将推动该诊断试剂盒的临床评价和进入申请FDA及SFDA临床准入的实质程序。