2024-08-07
2024-08-07
35份人工智能，深度学习，机器学习相关的国自然结题报告打包下载，可以扫码直接支付获得或邀约解锁获得，直播课可以免费预约！
如需要打包购买下载，请扫码咨询。
2024年的国自然立项即将发榜了！如果没有中标，那应该如何应对？请大家来扫码参加医药加李教授的直播课《从我的NSFC情缘谈NSFC中标面面观》，为2025年的国自然申请提供有益的参考与指导。
多模态AI大模型的定制化构建服务（基于清华大学人工智能团队）
基于单病种数据库的多模态AI大模型优势：
人工智能大数据模型可以辅助医护人员进行快速筛查信息，节约医疗资源，提升医疗效率和利用率。
多模态融合可以挖掘潜在因果关联，通过多个多模态的相关性追踪和挖掘可以辅助医护人员在诊断方面和预测预后方面有帮助。
模型构建“一劳永逸”，大模型可复用程度高，并且可更新、可增加模态。
人工智能平台提供标准化可复制流程，使用人工智能平台辅助诊疗可提供标准化接口，内部对使用者透明，减少学习利用成本。
人工智能模型具有高度定制化的优势。可根据不同任务和不同的元数据进行调整和二次训练。
技术方案：
1. 针对所研究的病种，收集相关的影像、临床报告文本、实验室测量/生理信号监测/穿戴式设备监测数据以及必要的标注信息，建立数据集。
2. 针对各模态数据的特点设计编码器架构，提取、建模数据当中隐含的特征，构建由数据表征（嵌入向量）组成的知识集
3. 为保证模态内知识语义的一致性，使用大规模自然图像、文本数据集上预训练的编码器模型，并维护历史知识库，以信息熵为一致性约束条件，微调更新编码器
4. 以跨模态互信息最大化为约束条件，训练投影算子，将各模态知识向量在表征空间中对齐
5. 使用多模态知识特征融合网络，将各模态特征映射到统一的表征空间，再利用针对任务设计的分类/回归预测网络，对所研究的任务进行预测
项目首席科学家：2013 年毕业于美国密苏里大学哥伦比亚分校，获生物物理博士学位，研究方向为单分子光学成像及图像处理。随后在加州大学伯克利分校物理系 Ahmet Yildiz 实验室做博士后，博后期间从事染色体超分辨成像、CRISPR/Cas9 染色体标记及晶格状光片照明显微镜研究。2018年加入清华大学深圳国际研究生院，在原有工作基础上开展交叉科学研究，近四年主持及参与国家 及深圳重点实验室等科技计划项目7项，累计经费2000万。人工智能图像分割如多尺度Mixed-UNet半监督磁共振图像标注方法、多模态心理健康诊断预测、基于超图学习的多维度病理性近视发展趋势预测、CRP急救视频动作识别、乳腺癌病灶三维交互可视化、中医舌诊齿痕分割分类等方面都有文章准备发表或者已经发表。在 Cell、 Nature Communications（2篇）、EMBO Reports、ACS Sensors、Biosensors and Bioelectronics等发表 SCI 论文 40 篇，成果目前已被多篇 Cell、Nature、Nature Communications 等高水平文章引用。申请专利20余项，在新型成像方法及人工智能算法方面专利6项。
拟从事研究内容或研究计划
1.生物医学工程
2.医学影像及人工智能
3.计算机研究相关
合作扫码咨询
summer
