葡京娱乐场-富盈娱乐场开户

本發明公開了一種具有立體視覺顯示的醫學影像工作站，所述 醫學影像工作站包括計算機主機、3D 顯示屏、輸入設備和軟件系統； 軟件系統包括一般醫學影像工作站所具備的軟件功能模塊，以及立體 視覺顯示模塊、3D 交互模塊、2D 顯示與立體視覺顯示聯動模塊；立 體視覺顯示模塊用于實現含景深信息的立體視覺顯示；3D 交互模塊用 于從輸入設備接收用戶輸入的含景深信息的操作指令，并在 3D 顯示屏 上實時、同步顯示出操作結果；2D 顯示與立體視覺顯示聯動模塊用于 實現 2D 顯示屏和 3D 顯示屏聯動，或 2D 顯示和立體視覺顯示之間切 換。本發明可以彌補現有的醫學影像工作站在立體視覺顯示、3D 交互、 2D 顯示與立體視覺顯示聯動方面的不足，從而提高醫生的觀測效果和 工作效率。

一種基于矢量數據的 SAR 影像道路損毀信息提取方法，根據災后的 SAR 影像的范圍，獲取對應區 域的矢量數據;將矢量數據投影到 SAR 影像的坐標系之后，將矢量數據配準到 SAR 影像上;提取 SAR 影像的疑似道路損毀區，包括利用道路檢測算子進行線檢測，將道路寬度信息與道路矢量數據進行形狀 水平集分割，融合得到疑似道路損毀區;建立貝葉斯網絡模型對疑似道路損毀區進行進一步判斷，提取 出道路損毀信息。本發明利用矢量數據作為先驗信息，輔助 SAR 影像道路變化檢測，檢測率高;提出 的線檢測與形狀水平集相結合的方法能夠很好的提取斷裂區，漏檢率低;建立的貝葉斯網絡模型能夠有 效的剔除干擾信息，減少道路損毀提取的虛警。

本發明提出了一種醫學影像計算機輔助分析方法，包括以下步驟：通過紅外光源和紅外熱成像儀對醫學影像進行一次掃描，對一次掃描圖像的體數據進行圖像分裂操作，得到一次圖像數據；通過可見光光源和感光元件對所述醫學影像進行二次掃描；對二次掃描圖像的體數據進行所述圖像分裂操作，得到二次圖像數據；將所述一次圖像數據和二次圖像數據綁定，與病理數據庫中已有的病理樣本相比對，比對過程具體為一次圖像數據互相比對，二次圖像數據互相比對。

等效負折射率平板透鏡又稱 DCT-plate，該技術通過光場重構原理，將發散的光線在空中重新匯聚，從而形成不需要介質承載的實像。根據場景需要，可設置不同的影像呈現角度，結合體感互動裝置實現人與實像的直接交互。該技術現處于世界領先地位！ 

本發明公開了一種遙感影像圓形油罐自動檢測方法，首先，對遙感影像進行 MHC 視覺顯著變換得 到視覺顯著圖，再經過數學形態學增強，得到增強視覺顯著圖，利用 hough 變換在增強視覺顯著圖上圓 檢測，得到疑似油罐區域；然后，對遙感影像進行 turbopixels 過分割，根據特征合并分割塊，根據似圓 特征，得到疑似油罐區域；最后，結合由 hough 檢測結果和似圓特征檢測結果，利用油罐圓心與半徑關 系和多特征進行 SVM 分類，過濾掉同心圓和非油

本發明提供一種核安全殼高分辨率影像采集系統，包括移動平臺、采集平臺和控制中心，所述移動 平臺包括框架，用于控制采集平臺豎直位置并擔負配重的電機總成，用于控制采集平臺距離安全殼殼壁 距離的推拉桿裝置，安裝于框架底部用于控制采集平臺及移動平臺水平位置的軌道輪，控制箱，無線網 橋，以及用于采集平臺上下移動限制控制的軌道繩；所述采集平臺包括框架，固定在框架兩側用于沿著 安全殼壁采集照片的相機，固定在框架中間位置的集控箱，固定在框架上沿的光控照明燈，以及

一、所屬領域 人工智能，精密自動化，生物分析與檢測，環境微生物檢測，工業微生物檢測，細胞組織分析檢測。 二、項目介紹 1. 痛點問題 微生物的識別、計數和定性分析一直是食品、醫藥和生物行業的重要一環。傳統的人工檢測方式勞動強度比較大，且檢測主觀性強，標準難以統一，計數和檢測結果不準確；在對環境的微生物監測中，人工方法只能做到抽樣檢測，無法做到持續性檢測。 近兩年行業巨頭們（如GE，安捷倫，賽默飛等）開始推出圖像識別技術的微生物檢測設備，其結果來自直觀影像，分辨率高，操作難度低。但是這些設備目前采用的光學顯微鏡倍數都在800倍以下，只能進行計數，如果要完成相關定性分析，需要在800倍以上的放大倍數獲得單細胞微生物的清晰圖像（如酵母菌，大腸桿菌）。但800倍放大倍數對應的有效視場只有200微米*200微米，對計數和活性統計分析又不具備足夠的采樣數量。目前國內外設備均沒有解決好這個問題，對微生物進行定性分析的準確率低，無法滿足市場需求。 2. 解決方案 本項目針對微生物和細胞活體檢測中缺乏有效參照物的技術難點，根據顯微掃描設備的結構，將全景化視域重構技術和微米級電機結合，解決了鏡頭大幅平移過程中的自動對焦難題和微生物溶液動態環境中的影像拼接難題，在保證1000倍放大的基礎上，獲得的有效視場增加到10毫米*10毫米的范圍；再通過自動化圖像采集和拼接，得到完整的微生物圖像；然后結合傳統的圖像分割以及深度學習圖像識別的優勢，小樣本高精度動態完成微生物的類型識別，計數，活性，死亡率，出芽率等定量定性分析。 3. 競爭優勢分析 與國內外的主流檢測設備對比，本項目技術優勢主要體現在： 1）獨創的微生物影像全景化視域重構技術，實現0.5微米的分辨率和20*25毫米的超大視角； 2） 解決微生物影像領域小樣本智能識別和智能檢測的難題； 3） 檢測目標、檢測內容、檢測流程和邏輯可通過自然語言定制，提高設備功能通用性； 4）計數準確率超過人工計數，準確率超過國內細胞計數儀器一個數量級； 5）第一臺按照國家微生物計數檢測標準開發研制的微生物計數儀。 本項目的第一代產品樣機與國內外同類產品對比，主要性能優勢和技術優勢如下： 在食品行業，本項目獲得了青島啤酒北京密云分廠的啤酒原液和相關酵母菌種，針對生產用酵母菌采集了大量實拍圖像數據，優化后的酵母菌計數和出芽率算法識別率均在95%以上。 4. 發展規劃 按照三步走的方式來設定發展規劃： 1）基于全景化視域重構技術，構建第一代檢測儀器，首先進入門檻最低的食品微生物檢測市場，對啤酒和發酵乳企業提供酵母菌檢測計數技術和設備； 2） 利用已有技術積累，進入環境微生物檢測和高校實驗室市場； 3）最后以食品和環境檢測市場為根據地，進入門檻最高的生物醫藥檢測市場，提供微生物檢測和組織檢測的相關設備。 5. 知識產權情況 已申請3項專利。 三、合作需求 1）尋求500-800萬元天使投資； 2）尋找高校研究所，食品工業和環境檢測領域的客戶、渠道伙伴； 3）尋找生物醫藥，醫學臨床領域的客戶、渠道伙伴和產品測試環境。 四、團隊介紹 科研團隊： 1）周悅芝 博士 清華大學計算機系研究員，項目負責人，在邊緣計算和深度學習等領域有豐富的開發經驗和杰出的研究成果，在面向醫學影像的AI圖像分析方面曾發表多篇論文，申請或獲得多項國家發明專利。 2）黃權偉 清華大學計算機系碩士，負責圖像分割及細胞識別等相關算法研發。 3）梁志偉 清華大學計算機系碩士，負責深度學習算法加速研究和實現。 五、聯系方式 E-mail：ott@tsinghua.edu.cn 成果編號：20230055

拉普拉斯域光學乳腺影像系統（LD－DOT）是一種基于漫反射光成像原理的功能成像手段。有別于基于形態學進行診斷的傳統醫學成像手段，它利用不同病變的乳腺組織對光的漫反射程度的不同，通過得到雙乳全局血管微循環特征參數的定量分布來診斷組織病理屬性（正常/良性/惡性）以及分布范圍，探測深度可達6厘米以上，掃描過程安全快速，結果直接客觀，是一種經濟高效的診斷乳腺病變的無創方法。

四川大學華西醫院2020年3月13日對“肺部多病變CT影像AI篩查與輔助診斷系統”進行測試，該系統能迅速高效地對患者胸部CT影像做出分析，發現具有“肺結節、肺癌、結核、病毒性肺炎、細菌性肺炎”等病癥的影像特征。 該技術依托于“疾病流行病學大數據研究平臺”，在華西生物醫學大數據中心的牽頭下，匯聚近20家醫療機構的醫學研究支持，基于人工智能深度學習技術，數據來自臨床確診病例，數據的遴選、標注由華西醫院放射科影像專家完成。技術研發到測試用時不到30天。CT影像是臨床診斷包括新冠肺炎在內的肺部病變的重要依據，但一名患者的肺部CT影像數量在500張左右，導致醫生診斷過程中工作量很大。 查看原文