项目

本项目不仅可以帮助中风偏瘫患者恢复日常行为能力，而且在建筑业、制造业、物流业、农林业以及医疗看护业都有很多很广泛的应用。

本项目可针对久坐、久站或是长时间地低头引起的腰疼、颈椎酸胀痛、肩颈僵硬、以及头晕手麻、头痛恶心等问题复现真人按摩手法，帮助放松疲劳的肩背部肌群，促进气血，解除神经压迫，对于改善身体的亚健康有立竿见影的效果。

本项目融合“人工智能焊接质量识别”、“机器视觉焊缝重构寻位”、“焊工手法运控复现”、“工业互联网”等一系列先进的智能算法、 传感控制和信息通讯技术，将现有机器人焊接装备进行了一轮重大的进化升级，使之成为懂工艺、懂质量、懂生产的智能焊接机器人。 本项目将彻底改变焊接机器人的工作流程和调节方式，真正做到每一条焊缝都有据可依，有理可循，让每一条焊缝都出自“高级焊工之手”。

本项目提出智能混凝土喷浆机器人的研发及产业化规划，拟通过智能化改造和物联网平台建设，对现有产品进行升级换代，以降低设备对操作手的技能要求，以及提高设备的维修保养效率。

本研究面向肺癌免疫治疗领域，开展疗效评价、不良反应预测、并挖掘免疫治疗靶点和分子靶标等研究，为肺癌的科学防治提供依据。

本项目紧密围绕主动健康和健康老龄化国家战略需求，着眼于老年失能预防与干预管理领域关键科学问题开展研究： （1）老年失能预防和康复评估多指标耦合机制研究；（2）老年失能预警建模和全周期智能化失能防控网络构建。

本项目基于物联网 、人工智能 、虚拟现实等技术，开发以膳食平衡 、合理运动、 心理健康等为基础的，中老年人健康生活方式智能化动态监测和个性化、非侵入式精准干预技术体系。

本项目联合湘雅医院开展了青光眼视野缺损分级体系构建的研究，旨在提出新方法用于在缺少视野数据的情况下预测患者的视野缺损。

本项目提出一项基于真实临床数据的研究计划，通过深度学习技术对嗜铬细胞瘤（PPGL）患者的CT图像数据和临床数据进行分析，术前得出嗜铬细胞瘤的基因亚型分级，手术时肿瘤中儿茶酚胺进入血液中的风险概率和术后病人肿瘤复发的时间估计。

本项目通过混合深度学习技术对多模脑部MRI图像和病理图像进行分析，术前得出胶质瘤的WHO分级以及分子标记物情况，探索基因突变在影像学上的表观体现，建立肿瘤智能诊断和精准治疗的新理论、新途径、新标准，探索人工智能辅助肿瘤诊断、精准治疗与预后判断的技术及应用模式。

本项目提出一项基于大样本真实临床数据的脑肿瘤特征研究计划， 构建一体化混合深度学习神经网络，实现多模脑肿瘤图像的自动识别与分类，提升相关研究的实用化水平， 提高医疗影像诊断工作的效率和准确性，为脑肿瘤诊断与治疗提供技术支撑。本项目的研究内容包括： 大规模多模脑部图像数据库构建；脑肿瘤图像标注；脑肿瘤图像自动分割与识别；脑肿瘤特征分析。

本项目利用卷积神经网络对目前国内地区最为常见的几种皮肤病进行了基于临床图像的识别，并提出一套完整的皮肤病辅助诊断系统。

本项目旨在研发一套基于单目环境感知的全自动公路信息生成系统，并用于实际公路维护中。

书法评价现在仍处于人工评判的阶段，这样会大大的加重书法老师们的教学负担。 本项目基于图像处理与模式识别的相关算法，开发设计出一款书法自动评测系统，减轻了书法老师教学负担，有利于解决书法教学资源匮乏等问题，把计算机辅助教学应用到书法评测领域，同时也为学生提供可视化指导。

艺术测评将通过设计人工美学特征，结合图像的色彩运用、布局等设计低层视觉特征和图像区域特征；通过深度学习等方法获得深层美学特征，以人对图像的审美为基础，采用机器学习的方法构建美学评价分类器，让计算机对艺术作品进行美学测评。

该项目旨在智能网联汽车产业大力发展的背景下，设计与实现车路云一体化的合作式智慧公交系统，从而降低公交车辆整体运行时间、 提升公交服务水平并降低能耗。该项目拟开展以下几方面重点研究：基于视频的复杂环境路口的交通流量检测、基于历史和实时数据的客流预测和公交 驾驶时间预测、公交调度实时动态时刻表以及公交动态控制策略研究。

本项目提出基于视觉空气质量的研究计划，旨在开发相应的算法，从图像数据中提取能见度及其他特征信息，并依靠机器学习等方法估计图像特征信息与城市区域空气质量之间的关系。相对于现有的城市空气质量监控方法，本项目提出的途径具有估测结果简单直观、观测范围大、数据时空信息丰富、布置成本低、易于大批量使用等众多优点，有望成为现有空气质量监测方法的一种重要补充。