|
搜索
搜 索
高等教育领域数字化综合服务平台
人工智能边缘实验平台 （AI Edge Platform）
人工智能边缘实验平台为标准的2.5U机架式设备，配置20块FPGA开发板(Cyclone V SoC系列)，可供20位学员同时进行FPGA设计、调试、下载及相关验证，并具备SoC网络技术和FPGA远程调试技术，通过网络为教学实验提供配套服务，实现在线实验室的虚拟仿真技术。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.
重庆海云捷迅科技有限公司
2022-06-17
加快AI+科研范式转型！2026年全国教育科研工作会议召开
教育科研是推动教育事业发展的战略引擎，必须切实发挥好教育科研作用，从学科发展逻辑向问题解决逻辑转变，加快AI+科研范式转型，构建能够指导教育强国建设的自主知识体系。
教育部
2026-04-13
流域（区域）控制断面污染物来源解析与决策支持服务
流域模型 GWLF 平台介绍：通用流域污染负荷模型（简称 GWLF 模型）是 1987 年由美国康奈尔大学提出的一种半分布式、半经验式 流域模型算法，主要用于在中尺度流域(几百～万 km2 左右)模拟水文 及污染物负荷通量，可以提供逐月的模拟结果并对关键断面（如国家、 省级考核断面，跨区域（跨行政区）分界断面，生态补偿断面）污染 源构成进行来源解析。其所需数据类型及数据量与我国的水环境、水 资源管理部门所能提供的数据类型相匹配，保证了该模型在我国流域 管理中的适用性和可达性，为流域尺度或区域尺度（一般市级行政区 域大小为几百～万 km2）水环境及水资源规划、决策与管理提供可靠 支持。该模型为美国 TMDL 计划实施推荐流域模型之一。利用该模 型所得结论可以进一步加工分析并结合 GIS 等空间分析软件，得出时 图 1：南开大学国家环境保护 城市空气颗粒物污染防治重点实验 室“颗粒物来源解析及污染防治技 术研究与应用”城市分布图空差异分析结果，为区域或城市水环境管理急需的决策提供支持与建 议。
南开大学
2021-04-11
流域（区域）控制断面污染物来源解析与决策支持服务
流域模型 GWLF 平台介绍：通用流域污染负荷模型（简称 GWLF模型）是 1987 年由美国康奈尔大学提出的一种半分布式、半经验式流域模型算法，主要用于在中尺度流域(几百～万 km2 左右)模拟水文及污染物负荷通量，可以提供逐月的模拟结果并对关键断面（如国家、省级考核断面，跨区域（跨行政区）分界断面，生态补偿断面）污染源构成进行来源解析。其所需数据类型及数据量与我国的水环境、水资源管理部门所能提供的数据类型相匹配，保证了该模型在我国流域管理中的适用性和可达性，为流域尺度或区域尺度（一般市级行政区域大小为几百～万 km2）水环境及水资源规划、决策与管理提供可靠支持。该模型为美国 TMDL 计划实施推荐流域模型之一。利用该模型所得结论可以进一步加工分析并结合 GIS 等空间分析软件，得出时空差异分析结果，为区域或城市水环境管理急需的决策提供支持与建议。
南开大学
2021-02-01
冷冻电镜技术解析新冠病毒受体ACE2蛋白
西湖大学周强实验室利用冷冻电镜技术成功解析此次新冠病毒的受体——ACE2的全长结构。这是世界上首次解析出ACE2的全长结构。相关研究内容于北京时间2月19日凌晨3点左右在预印版平台bioRxiv上线。这也是西湖大学承担的浙江省新型冠状病毒肺炎防治应急科研攻关任务的重要成果。 新型冠状病毒感染引发的肺炎疫情爆发后，武汉病毒研究所的科学家发现，新型冠状病毒和2003年的SARS病毒一样，也是通过识别ACE2蛋白进入人体细胞的，ACE2是“新冠病毒”侵入人体的关键。研究发现，在SARS病毒和“新冠病毒”侵入人体的过程中，ACE2就像是“门把手”，病毒抓住它，从而打开了进入细胞的大门。 周强实验室针对这个问题进行了攻坚。第一步，他们要获取ACE2蛋白全长蛋白，但作为膜蛋白的ACE2本身很难在体外稳定获得。周强及博士后鄢仁鸿在文献中发现ACE2与肠道内的一个氨基酸转运蛋白B0AT1能够形成复合物。根据他们过去的研究经验，这个复合物极有可能稳定住ACE2。果然，他们通过共表达的方法获得了ACE2与B0AT1优质稳定的复合物，并利用西湖大学的冷冻电镜平台成功解析了其三维结构，分辨率达到2.9埃，对于病毒识别至关重要的胞外结构域分辨率为2.7埃。通过分析ACE2的全长蛋白结构，周强实验室发现ACE2以二聚体形式存在，同时具有开放和关闭两种构象变化，但两种构象均含有与冠状病毒的相互识别界面。一研究发现为进一步解析全长ACE2和新冠病毒的S蛋白复合物的三维结构奠定了基础。
西湖大学
2021-04-10
解析氨酰tRNA合成酶新型剪接异构体结构
分析报道了人类AARS家族成员之一，Tyrosyl-tRNA合成酶 (TyrRS)中的两个新型剪接异构体。这两个剪接异构体分别去除了第2-4个和第2-3个外显子，导致其蛋白产物丧失了原始TyrRS中的催化核心和二聚体相互作用界面部分。但是，随后的生化分析表明，这两个剪接异构体仍能够形成两个具有不同构象的稳定结构。进一步的研究发现，其中一个剪接异构体由于剪接位点而形成了一个全新的Coiled-coil区域，用来形成一个新的二聚体相互作用界面；与此相反，另一个剪接异构体，由于其剪接位点导致的抑制效果，从而趋向形成单体。与大多数TyrRS在各组织细胞中均匀分布不同，这两种新的剪接异构体显示出明显的组织偏好性，其中分别在淋巴细胞中和肺中富集表达，表明它们可能由于聚合状态的差异而具有不同的生物学特性。 该研究结果阐释了人类TyrRS具有复杂的结构可塑性，在不同组织中具有不同的结构重组功能，这为今后研究AARS剪接异构体全新的生物学功能和潜在的疾病医疗效用提供了重要的参考价值。目前，aTyr制药（美国NASDAQ上市公司）正在利用相关研究成果进行转化医学研究，开发新型药物。
南方科技大学
2021-04-13
篮球赛事AI短视频剪辑系统
视频剪辑是一项简单却繁琐的工作，需要投入大量的人力。而且人力完成的视频剪辑，剪辑结果有着很强的主观色彩。通过采集大量各类体育赛事数据进行模型训练，利用深度神经网络良好的自主学习能力，采用Centernet作为多目标检测能力的实现框架，同时利用Transformer重构目标检测进行连锁，二次捕捉目标检测的准确性。CenterNet和Transformer的融合，实现了端到端的目标检测，在准确性提升的基础上满足实时处理视频的要求。综合应用多目标检测跟踪以及多模式识别技术，实现短视频的智能化剪辑，极大程度减少了人工工作量，同时也增加了短视频剪辑的客观性，在大数据时代背景下有着重要的现实意义。
太原科技大学
2021-05-04
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
基于AI 机器学习的影像组学模型研究
2019年12月以来，由SARS-CoV-2病毒感染导致的新型冠状病毒疾病（COVID-19）在全球开始蔓延。报道显示，SARS-CoV-2感染患者的中位住院时间为10天，而武汉患者在发病10天后症状有可能加重。因此，住院时间是COVID-19临床预后的重要指标之一。 目前，CT影像学已成为COVID-19肺炎的诊断和监测工具，主要表现为磨玻璃影、实变及混合密度影。然而，现阶段的影像学研究主要集中于对病灶的定性和半定量描述，缺乏对病灶的全定量分析。因此，基于前期提出的CT定量监测COVID-19肺炎病程，团队假设在CT病灶背后的高通量影像特征“隐藏”了患者预后转归的“秘密”。 本研究纳入了兰州、安康、丽水、镇江、临夏5家新冠肺炎定点医院，自2020年1月23日到2月8日期间住院患者的临床资料和首次CT资料，所有患者经RT-PCR证实SARS-CoV-2病毒感染。至2月20日，研究共纳入31例治愈出院的患者（排除14例未出院患者和7例首次CT检查无肺炎表现患者），并将10天作为住院时长的二分类阈值。基于有限的样本量，团队将4个中心作为训练队列，另外一个中心作为验证队列。通过自动分割肺叶和半自动分割病灶，31名患者中累计分割出72个病灶。在对病灶图像预处理后，提取影像组学特征并筛选。为了研究影像组学特征的稳定性，团队使用了Logistics回归模型和随机森林模型对筛选的特征分别进行建模和验证。结果发现，6个筛选出的二阶特征在两种不同分类器中均表现出良好的预测价值。在外部测试队列中，Logistics回归模型的AUC为0·97(95%CI 0·83-1·0), 敏感性 1·0, 特异性0·89；随机森林模型的AUC为0·92 (95%CI 0·67-1·0),敏感性 0·75, 特异性1·0。随后，研究又纳入了2月20日-28日新出院的6名患者，利用已建立的影像组学模型可以正确预测所有6名患者的住院时间。
东南大学
2021-04-10
AI在5G系统中应用的研究
中国电子学会发布“电子信息领域优秀科技论文（2020）遴选活动”入选论文。东南大学尤肖虎、张川、谈晓思、金石、邬贺铨联合署名的论文《AI for 5G: research
东南大学
2021-01-12