搜索结果: 1-15 共查到“计算机科学技术 诊断”相关记录227条 . 查询时间(0.302 秒)
针对光伏阵列的开路故障、短路故障、老化故障和局部阴影故障,提出了一种基于核极限学习机KELM(kernel extreme learning machine)的光伏阵列故障诊断方法,并采用改进的蝙蝠算法IBA(improved bat algorithm)对核极限学习机模型的参数进行优化来提高模型的诊断准确率。为避免蝙蝠算法陷入局部最优并加快在参数寻优过程中的收敛速度,引入Levy飞行策略并在速度...
科学家开发医学大模型以助力诊断与知识共享
医学大模型 诊断 知识共享
2023/9/7
AI赋能病虫害诊断,棉花种植装上“智慧大脑”(图)
病虫害诊断 AI 棉花种植 智慧大脑
2023/7/23
慢性鼻窦炎是最常见的慢性呼吸道炎性疾病之一,在我国的患病率约为8%,其中,有20%的患者会患上慢性鼻窦炎合并鼻息肉(简称:鼻息肉)。为了让鼻息肉分型和治疗更高效精准,中山大学附属第三医院20日发布消息称,该院研发了首个针对慢性鼻窦炎的人工智能病理诊断系统,可以精确判断疾病分型。
三端口双向直流变换器是现代微电子技术中的新型核心装置,其故障的快速综合诊断可促进电子技术的发展。通过建立SHEV电气系统的三端口双向直流变换器的仿真拓扑模型,考虑功率器件的位置条件,以直流侧母线输出电流作为特征量,细致划分每种故障类别,并分析不同故障下输出电流的特性,通过快速傅里叶变换FFT(fast Fourier transform)分解信号获取各个频率段,以20 kHz频率段直流侧电流信号能...
针对自组织映射SOM(self-organizing map)神经网络聚类性能易受其初始权值的影响,采用蜻蜓算法DA(dragonfly algorithm)优化SOM神经网络的局部权重失真指数LWDI(locally weighted distortion index),对神经网络的初始权值进行寻优。以光伏阵列故障数据样本为研究对象,将正常与故障状态下的输出特性进行对比分析,建立故障诊断模型,并...
《慢性髓系白血病(CML)病理辅助诊断数据集要求》团体标准正式发布(图)
慢性髓系白血病 团体标准 协和医院
2022/3/19
2022年3月7日,团体标准《慢性髓系白血病(CML)病理辅助诊断数据集要求》(标准编号:T/CSBME 051—2022)在全国团体标准信息平台上正式公布。
传统基于核主成分分析(Kernel principal component analysis,KPCA)的数据降维方法在提取有效特征信息时只考虑全局结构保持而未考虑样本间的局部近邻结构保持问题,本文提出一种改进全局结构保持算法的特征提取与降维方法.改进的特征提取与降维方法将流形学习中核局部保持投影(Kernel locality preserving projection,KLPP)的思想融入核主...
利用人工智能神经网络助医生诊断病情
人工智能 神经网络 医生 诊断病情
2020/11/17
莫斯科市政府网站日前发布消息称,一种基于人工智能的神经网络模块正在应用于莫斯科的医疗系统。神经网络可以在三周的时间内分析10万份的莫斯科医疗数据。
辅助诊断 AI智能眼科检测仪来了
AI智能眼疾检测仪 智能医疗 智慧教育
2020/10/29
根据统计,目前中国的眼科医生仅有4万人,要服务14亿人群的眼部健康是远远不够的。随着AI人工智能技术的迭代,新型人工智能医疗工具可以部分替代医生进行疾病诊断。AI智能眼疾检测仪也呼之欲出。
英国牛津大学近日发布消息说,该校领衔的一个科研团队正开发和测试一种人工智能算法,可辅助医生诊断和管理新冠患者病情,从而提高他们的工作效率,及时为患者提供更合适的治疗方案。由牛津大学领衔的英国“国家智能医学影像联盟”正与一家企业开展合作,开发相关的人工智能算法应用。据该校介绍,当前医护人员判断新冠患者病情是否会恶化以及他们肺部是否会出现长期性损伤并不容易,不少新冠患者入院时并没有明显的病情恶化征兆。
天津医科大学肿瘤医院李祥春教授、周德俊教授课题组联合开发了结直肠病变人工智能光学诊断模型,通过人工智能手段促进基础科研和临床转化相结合,辅助肠镜下结直肠癌的精准诊断。相关研究成果于2020年5月发表在《Nat Commun》(2018年影响因子11.878,5年影响因子13.811),题目为“Diagnostic evaluation of a deep learning model for op...
奋战十昼夜——清华大学火速推出新冠肺炎智能诊断系统
清华大学 新冠肺炎 智能诊断系统
2020/2/14
当前,新冠肺炎疑似病例基数庞大,给临床一线诊疗带来巨大压力,疫情波及地域广泛,基层医院缺乏经验,面临严峻挑战。近日,由清华大学精密仪器系尤政院士、临床医学院董家鸿院士领导研发的新型冠状病毒肺炎智能辅助诊断系统成功通过应用测试,进入临床试用阶段,有望为上述难题提供解决方案。