上海交大与清华联手发布 DeepDR Plus,仅用眼底图像可预测 5 年内糖尿病视网膜病变进展

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

1996 年,被誉为爵士乐第一夫人的 Ella Fitzgerald 在位于洛杉矶比弗利山庄的家中去世。这位天才歌手曾获得 13 个格莱美奖、超 4000 万专辑销量,最终却在糖尿病视网膜病变 (diabetic retinopathy, DR) 的影响下郁郁而终。如今,糖尿病已被我国列为四类重大慢性病之一,每 10 人中就有 1 位糖尿病患者。而根据贾伟平院士在 2023 年 7 月发表的研究数据,我国现约有糖尿病视网膜病变患者 1950 万。
数据来源:

https://www.nature.com/articles/s41467-023-39864-w

一般而言,糖尿病视网膜病变在早期隐匿性较强,无症状发展,但晚期患者几近失明,并且不可逆,已成为 20-74 岁成年人可预防性失明的主要原因。糖尿病视网膜病变通常进展缓慢,但又受到多重风险因素影响,发病及病程进展风险在不同个体间存在较大差异,所以准确诊断并评估发展风险成为困扰医生及患者的一大挑战。

随着 AI 在医学领域发挥着愈发重要的作用,深度学习与卷积神经网络已经被用于从视网膜照片中,自动检测糖尿病视网膜病变,但却很少能够前瞻性的预测风险。

为此,上海交通大学主动健康战略与发展研究院院长、上海市第六人民医院内分泌代谢科、上海市糖尿病重点实验室贾伟平教授和李华婷教授团队,上海交通大学电院计算机系/教育部人工智能重点实验室盛斌教授团队,和清华大学副教务长、医学院主任黄天荫教授团队,构建了基于时序影像序列深度学习的糖尿病视网膜并发症预警系统 DeepDR Plus,仅基于眼底图像便可预测糖尿病视网膜病变在 5 年内的进展。

研究亮点:

  • 开发并验证了一个深度学习系统 (DeepDR Plus),仅通过眼底图像即可预测糖尿病视网膜病变进展

  • 该系统被应用于中国和印度的真实临床案例,可将临床应用的平均筛查间隔从 12 个月延长至 31.97 个月

  • 该系统可在大幅降低筛查频率和公共卫生成本的情况下,仍保持极低的漏诊率

图片

论文地址:
https://doi.org/10.1038/s41591-023-02702-z
数据集一键下载:
https://hyper.ai/datasets/29716
关注公众号,后台回复「DR」获取完整 PDF

数据集:中国和印度的临床数据

首先,为了学习与糖尿病视网膜病变相关的特征,DeepDR Plus 系统使用来自上海综合糖尿病预防和护理系统(上海综合模型)和上海糖尿病预防计划 (SDPP) 的 179,327 名糖尿病患者的 717,308 张眼底图像进行预训练。

其中,SDPP 是一项以社区为基础的纵向队列研究,包括 79,284 名参与者,他们于 2015 年 12 月至 2022 年 11 月在华东疗养院和上海第六人民医院接受了体检,其中有 25,231 名参与者完成了至少 4 年的年度随访。

随后,研究人员在一个内部数据集中开发并验证了该模型,这一内部数据集由来自糖尿病视网膜病变进展研究 (DRPS) 队列的 19,100 名糖尿病患者的 76,400 张眼底图像组成,研究人员将 DRPS 队列以 9:1 的比例分为发展数据集和内部测试集,并使用了 8 个独立的纵向队列进行外部验证。

图片

DeepDR Plus 系统设计

为了评估整合临床工作流程的 DeepDR Plus 系统的有效性,该研究还在一项基于社区的中国成年人前瞻性队列研究中,进行了一项实际研究, 共有 2,185 名参与者被纳入分析,其中 538 名参与者在综合管理 (IM) 组(综合医院-社区糖尿病管理项目),1,647 名参与者在非 IM 组。同时,为了进一步评估与临床工作流程整合的结果,该研究还在印度前瞻性队列 (SN-DREAMS) 中进行了一项基于现实世界的研究, 其中 992 名糖尿病患者接受了连续 4 年的随访。

模型:仅用眼底图像可有效预测疾病进展

DeepDR Plus 系统包含三种预测糖尿病视网膜病变进展的模型:元数据模型、眼底模型和组合模型。其中:

眼底模型利用 ResNet-50 作为 Backbone,从眼底图像中提取特征,并使用软注意 (soft-attention) 层选择信息量最大的特征。 该研究首先使用动量对比 (Momentum Contrast, MoCo,v2),利用自监督学习来创建预训练的特征提取器,用于从眼底图像中提取特征。同时,该研究还使用一致性指数 (concordance index, C-index) 和 IBS (integrated Brier score) 评估模型预测参与者未来 5 年的糖尿病视网膜病变表现。

元数据模型输入元数据以生成生存预测, 包括年龄、性别、吸烟状况、糖尿病病程、基线 DR 水平、体重指数、糖化 HbA1c、收缩压、舒张压、甘油三酯、低密度脂蛋白胆固醇和高密度脂蛋白胆固醇。

组合模型则同时输入眼底模型的眼底评分与元数据。

在内部验证中,对于患者糖尿病视网膜病变进展的预测,元数据模型、眼底模型、组合模型的一致性指数分别为 0.696、0.823、0.833。结果表明,组合模型的性能与眼底模型相似,优于元数据模型。这证明了眼底模型的准确预测性能。在 8 个独立的外部数据集中,模型在预测糖尿病视网膜病变进展方面取得了相似的性能,这表明 DeepDR Plus 系统具有高一致性和强定标性。

图片

眼底模型预测 DR 进展的内外验证

为了确定患者应该何时寻求眼科医生帮助评估 DR 发展程度,该研究还进行了 3 个亚组分析,进一步证明 DeepDR Plus 系统预测能力。3 个亚组包括无视网膜病变的糖尿病转至 DR(亚组 1),无需转诊的 DR 至需要转诊的 DR(亚组 2),非视力威胁 DR 转至视力威胁 DR(亚组 3)。

该研究面向三大亚组分别使用 DeepDR Plus 系统,通过基线视网膜图像来预测 5 年内不同类型的 DR 等级恶化。结果表明,元数据模型在三大亚组的一致性指数为 0.700-0.711,IBS 为 0.261-0.328;眼底模型的一致性指数提高至 0.826、0.820、0.824,IBS 下降到 0.153-0.189;组合模型的一致性指数为 0.835-0.852,IBS 为 0.145-0.167。

此外,该研究还评估了眼底模型在外部数据集的预测性能,并取得了与内部数据集相当的结果。结果表明,单独使用眼底图像可以有效预测疾病进展。

图片

模型在内部测试集和外部数据集的验证

AI 驱动的个性化筛查间隔

在该研究中,IM 组定期接受临床检测和代谢测量,并由综合医院的专家提供指导建议。因此,该研究又将 IM 组和非 IM 组分别分为低风险组和高风险组,并通过 DeepDR Plus 系统中的眼底模型和元数据模型评估所有参与者。

图片

IM 组和非 IM 组的研究流程图

在非 IM 组中,与元数据模型相比,眼底模型高风险组患者更容易发展为糖尿病视网膜病变,眼底模型低风险组患者的糖尿病视网膜病变的可能性更低。

图片

风险识别模型与参与者结果之间的关系

此外,与固定的年度筛查相比,该研究还评估了元数据模型或眼底模型推荐的个性化筛查方案的性能。如果 IM 组和非 IM 组的所有参与者都遵循眼底模型给出的推荐个性化筛查间隔,平均筛查间隔可以从 12 个月延长到 31.97 个月。 与元数据模型相比,眼底模型可以实现相似的筛查频率降低,同时可明显降低 DR 的延迟检测率。另外,与非 IM 组相比,使用眼底模型推荐的筛查间隔,IM 组患者任何 DR 进展的延迟检测率均较低 (0.37% 对 1.28%),这表明无论未来的干预措施如何,DeepDR Plus 系统都可以保证降低 DR 的延迟检测率。

图片

预测从无视力威胁DR发展到

视力威胁DR的Kaplan-Meier图

综上所述,与元数据模型相比,眼底模型可以更准确地对参与者进行分层,从而实现个性化干预,减少 DR 筛查频率,同时减少延迟检测 DR 进展的时间。

糖尿病视网膜病变 AI 诊断,中国处于第一梯队

近日,AGILE 全球人工智能治理评估指数正式发布,首次评估解码全球人工智能治理新格局。评估结果显示,在人工智能发展水平方面,美国和中国在总量上处于领先地位。

图片

AGILE全球人工智能治理评估指数排名

得益于国内人工智能技术的快速发展,我国在人工智能辅助医疗领域进展喜人,仅在细分的糖尿病视网膜病变的筛查方面就可与美国并驾齐驱。早在 2013 年,上海交大医学院附属第六人民医院贾伟团队平及李华婷团队,就联合上海交大计算机系盛斌团队,开始围绕糖尿病视网膜病变特征的自动提取技术展开探索。

到了 2016 年,谷歌采用深度学习系统经过大量的糖尿病视网膜病图片数据训练之后,精准诊断出中重度 DR,成果发表于《美国医学会杂志》(JAMA)。

在谷歌的启发下,时任新加坡国家眼科中心主任的黄天荫感到震撼。同时,黄天荫认为谷歌的研究仍然具有缺乏多种族验证的局限性。2017 年,黄天荫及新加坡国家眼科中心团队成功研制了新的深度学习系统,率先在多种族多国队列上有效地诊断出 DR 以及其他相关眼科疾病,成果后续也发表于 JAMA 期刊。

同样是 2017年,杭州卫计委率先启动糖尿病视网膜病变筛查项目,引入了基于人工智能辅助诊断的便携式眼底照相机,以解决基层专业医疗资源缺乏的问题。同时,国内也有多家人工智能医疗设备进入市场,为更多患者带来疾病治愈的新希望。

到了 2018 年,贾伟平团队与黄天荫团队合作,联合新加坡国家眼科中心等国际一流学术机构,获批组建上海市代谢相关疾病智慧防控「一带一路」国际联合实验室,开展糖尿病防治领域的合作。

尽管一切都发展的如火如荼,但 AI 诊断系统并未立即在临床诊疗中得到进一步验证。2020 年,谷歌团队更是发布报告表示,其糖尿病视网膜病变 AI 诊断系统在泰国临床落地应用中表现出强烈的「水土不服」,超五分之一的图像因为清晰度问题被系统拒绝识别,护士们不得不重拍照片,患者也辗转至其他医院就诊,相关 AI 系统在泰国的 11 家诊所落地后被排斥。

而当 AI 诊断系统在海外临床遇阻的同时,国内 AI 诊断系统却开始迎来高速发展期。2020 年 8 月,我国首批基于深度学习技术的糖尿病视网膜病变眼底图像辅助诊断软件获批上市。2021 年,南开大学发布了 CABNet (Category Attention Block),还提出了 Global Attention Block,只需少量附加参数,就能显著提高现有深度架构的性能,并在 DR 分级方面取得优异表现。

同样是 2021 年,贾伟平团队携手盛斌团队重磅推出 DeepDR 系统,能够精准区分从轻度到增殖期不同程度的视网膜病变, 核心成果获中国授权发明专利 3 项、美国授权发明专利 1 项,并在全国多地医院落地使用。也是这一年,黄天荫就任清华大学讲席教授。上海交通大学与清华大学的医工交叉团队开始对糖尿病 AI 辅助管理技术和临床实践开展了更为紧密的多学科合作与协同攻关,这也为双方此前的研究按下加速键。

如今,DeepDR Plus 系统的面世,极大提高了发展中国家眼底摄片筛查的效率、公平性和可及性,为全球中低收入国家和地区的糖尿病管理模式的提质增效与改革创新开辟了新道路。在不久的将来,人工智能也必将为更多糖尿病患者带来治愈的新希望。

参考资料:
1.https://new.qq.com/rain/a/20240123A05OOZ00
2.https://m.thepaper.cn/baijiahao_20929983
3.https://baijiahao.baidu.com/s?id=1791412684120469650&wfr=spider&for=pc
4.https://www.nsfc.gov.cn/csc/20340/20343/57820/index.html

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统 船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。 阅读详情

相关推荐

AI 应用开发:四维架构落地实战——以 HR Agent 为例拆解感知·推理·记忆·执行【意图路由、规划编排、长期记忆、工具执行、面试题】

本文基于四维架构(感知·推理·记忆·执行),以HR Agent为例,系统拆解大模型应用从“聊天”到“生产可用”的落地路径。通过Spring AI实现意图路由、规划编排、RAG检索与工具调用,结合真实踩坑复盘,揭示架构化设计对安全、成本与可维护性的关键价值,为AI Agent工程化提供可复用的实战框架。

王大师企业官方博客 1325

上海交大与清华联手发布 DeepDR Plus,仅用眼底图像可预测 5 年内糖尿病视网膜病变进展...

本文约4000字,建议阅读5分钟上海交通大学、清华大学等联合发布的 DeepDR Plus 仅基于眼底图像,便可预测糖尿病视网膜病变在 5 年内的进展。1996 年,被誉为爵士乐第一夫人的 Ella Fitzgerald 在位于洛杉矶比弗利山庄的家中去世。这位天才歌手曾获得 13 个格莱美奖、超 4000 万专辑销量,最终却在糖尿病视网膜病变 (diabetic retinopathy, DR) ...

数据派THU 557

Cadence原理图设计10个高效技巧:从封装绑定到BOM表导出全流程

本文为硬件工程师提供了一套Cadence OrCAD Capture CIS原理图设计的高效实战指南。文章深度解析了从封装库的精准管理与CIS数据库绑定、封装批量处理技巧,到设计缓存清理、跨页信号追踪,再到关键的DRC检查、网表导出以及智能BOM报表生成的全流程核心技巧,旨在帮助工程师提升设计效率与可靠性,规避常见错误。

weixin_29178069的博客 203

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 341

Android音频输出流实战:从AudioFlinger到HAL层的完整调用链解析

本文深入解析了Android音频输出流的完整调用链,从应用层的AudioTrack和AAudio API,到系统服务AudioFlinger的混音调度,最终抵达硬件抽象层(HAL)。文章结合实战经验,探讨了如何利用底层机制优化音频延迟、处理设备切换,并提供了性能调优与问题排查的具体方法,是开发高性能音频应用的实用指南。

weixin_29208327的博客 252

车载测试实战:adb logcat日志高效抓取与问题定位技巧

本文详细介绍了车载测试中adb logcat日志的高效抓取与问题定位技巧。作为车载测试的“第一现场”,adb logcat能实时、精准地抓取系统与应用日志,是定位应用崩溃、ANR及功能异常等问题的关键工具。文章从环境搭建、核心命令组合拳到实战分析与自动化脚本,提供了完整的操作指南,帮助测试人员快速掌握这一必备技能,大幅提升问题排查效率。

ii567的博客 1046

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 280

《缠中说禅108课》5:市场无须分析,只要看和干

喜欢吹牛皮的,在市场里最常见,例如一种以分析市场、吹牛皮为生的职业,叫什么股评、专家的。此类人不过是市场上的寄生虫,真正的猎手只会观察、操作,用嘴是打不了豺狼的。 市场就是一个狩猎场,首先你要成为一个好猎手,而一个猎手,首先要习惯于无言。如果真有什么真理,那真理也是无言的。可言说的,都不过是人类思想的分泌物,臭气熏天。真不可言说了,就无不可言,言而无言,是乃真言。 一个好的猎手,可以没有嘴巴,但一定会有一双不为外物所动的眼睛,在这眼睛下,一切如幻化般透明。要不被外物所动,则首先要不被自我所迷惑,其实..

BenRen1314的博客 802

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 616

cdh zookeeper未授权访问(安全漏洞)处理

前言: 最近公司在做安全漏洞扫描。发现cdh zookeeper存在未授权访问的问题。 ZooKeeper的节点有5种操作权限: CREATE、READ、WRITE、DELETE、ADMIN 也就是 增、删、改、查、管理权限,这5种权限简写为crwda(即:每个单词的首字符缩写) 注:这5种权限中,delete是指对子节点的删除权限,其它4种权限指对自身节点的操作权限 ZooKeeper的身份的认证有4种方式: world:默认方式,相当于全世界都能访问 auth:代表已经认证通过的..

belialxing的专栏 2448

飞牛NAS挂载115网盘避坑指南:为什么你的大文件总是传输失败?

本文深入解析了在飞牛NAS上通过AList挂载115网盘时,大文件传输失败的深层原因,包括风控机制、网络协议及兼容性问题。文章提供了从基础排查到高阶优化的系统性解决方案,并建议采用Kopia分片备份等终极策略,以实现稳定可靠的云端数据流转。

weixin_29306011的博客 1700

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 209

uniapp [全端兼容] - 详细实现拍照或相册选取图片后插入水印功能,手机拍照或相册上传图像并添加自定义水印及指定位置显示水印,uniApp给图片加水印后上传到后端服务器或保存到本机相册详细教程!

uni-app,h5移动端网页,微信小程序,支付宝小程序,Android安卓,苹果ios,app,nvue,图片水印,上传照片带水印,从相册选择图片加水印功能,拍完照片给图片加水印,添加照片水印,uniapp图片加水印,为图片添加自定义水印,uni-app上传图片并添加水印,上传图片加水印,uni-app如何对拍摄的照片加水印,uni-app实现图片上传添加水印操作,给上传的图片添加上水印,图片加完水印后如何上传到服务器,水印相机,拍照图片加水印,相册选取后给图片加上水印,渲染失败,无法保存,文字水印,日期

🏆 前端领域优质创作者 1万+

OpenAI Control Room 架构拆解:给企业 AI Agent 加一套可审计的急停系统

OpenAI 公开了用于追踪和停止研究模型工作负载的 Control Room。本文拆解 job_id、推理前鉴权、35 秒撤销窗口与 Fail Closed 设计,并给出企业 AI Agent 急停控制面的数据模型、FastAPI 参考实现、缓存撤销策略和故障演练清单。

jerry764的博客 345

STM32F103RCT6的FLASH读写操作

STM32F103RCT6是一款常用的32位微控制器,它具有内置的FLASH存储器,可以用于存储程序代码和数据。在本文中,我们将详细介绍如何进行STM32F103RCT6的FLASH读写操作,并提供相应的源代码。写入数据时,我们通过将数据直接写入FLASH地址来完成。通过使用适当的API和规则,我们可以有效地读取和写入数据。写入FLASH时,我们需要按特定的规则进行编程。首先,我们需要包含适当的头文件和定义相关的宏和变量,以便在代码中使用FLASH API。类型的指针,我们可以直接读取FLASH中的数据。

UplKubernetes的博客 1034

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

OpenClaw 深度调查:把 AI 助手做成你自己的控制平面

对 openclaw/openclaw 的完整技术尽调:Gateway 架构、Agent 运行时、工具与沙箱、30 个消息通道、181 个插件、安全信任边界、工程代价与采用建议。17 章 / 10 张图,全部数字标注口径,数据截至 2026-10-31。

厚积薄发 363

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

AI赋能智慧港口建设|造形家快速生成港口全要素三维场景

随着智慧港口、港口数字孪生项目的持续推进,港口三维场景的需求日益旺盛。传统港口三维建模,往往需要航拍倾斜摄影采集数据,再人工搭建吊机、岸桥、船舶、集装箱等大量工业设施模型,项目周期长、人力成本高,修改迭代繁琐,制约港口可视化项目落地效率。国产AI三维建模工具,依托卫星影像 AI 识别能力,无需航拍作业,一键快速搭建港口完整三维场景,为港口数字孪生、方案汇报、投标演示提供高效的场景解决方案。

m0_69539167的博客 87

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

从设备增点到治理闭环:老旧小区物业数智化落地实践

系统连接合同审批、银行流水、收费记录与项目台账,执行到期提醒、收入核验、异常标色和月度对账,让每一笔资金来源明确、去向可查。针对设施老旧、诉求响应慢、公共收益不透明等问题,津南以6类小区为试点场景,统一建设物业数字化底座,关联楼栋、单元、房屋、业主、空间、设施设备、工单、公共收益等核心数据。系统采用统一编码管理,将摄像头、路灯、井盖、道路、绿化等设施纳入资产台账,解决纸质记录更新滞后、故障责任难追溯的问题。基于历史工单建立分类模型和知识库,辅助识别照明、给排水、电梯、环境秩序、秩序维护等问题;

wuyeshuzhihua的博客 163

企业微信iPad协议详解:接口接入、实时消息同步与语音转码实践

深入解析企业微信iPad协议的技术架构与开发思路,涵盖API接口接入、长连接通信、实时消息同步、Silk语音转码、异常重连及高并发优化,帮助开发者了解企业微信自动化系统的设计与实现。

欢迎来到祖安! 514

Product Hunt 热榜 2026-11-13:Plurai Simulation、YouArt Desktop App、Omnigraph

2026-11-13 Product Hunt 新产品精选:Plurai Simulation、YouArt Desktop App、Omnigraph。汇总 15 款产品的中文介绍、功能关键词和产品链接。

LaughingZhu的博客 619

【AI Agent面试系列】AI Agent可观测、评测、安全相关的知识点

之前的文章介绍了和,本文主要介绍AI Agent的测评、可观测等知识。

408

Docling 原理解读:是什么、为什么、怎么样

从论文视角拆解 Docling 的整体架构、DoclingDocument 数据模型、PDF 预处理、版面分析、OCR、TableFormer 双解码器、阅读顺序与装配流程,并解释版面框与 OCR 框的区别。

PLANTTHESON的博客 402

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程,跟着博主一起来还原整个过程。

夜郎King的博客 5168

从认识人工智能到理解机器学习:我的 AI 入门第一课

正式开始学习人工智能之前,我对 AI 的认识其实比较模糊:知道 ChatGPT、知道大模型,也知道现在很多岗位都在谈 AI,但如果有人问我“人工智能到底是什么”“机器是怎么学会识别一只猫的”,我未必能从头到尾讲清楚。上午的课程更偏向行业全景:人工智能的发展、研究方向、NLP、岗位分工、学习路线和 AI Coding 工具。下午的课程更偏向技术基础:机器学习的原理、有监督学习、深度学习、模型训练和评估方法。

chh563的博客 573

企业宣传片发前如何批量排查并遮挡视频里的敏感信息

做企业视频的人都会碰到一个具体问题:实拍画面里混进了不该出现的信息。办公室背景里有贴着客户信息的白板,采访对象的授权书边缘露出一串身份证号码,街采素材里路人面孔和车牌号直接入镜。人眼在时间线上扫视,会漏掉快速闪过的帧、画面边缘的小字、以及暗光区域里的证件号码。用抹影AI完成车牌、人脸和证件区域批量检测后,又手动补充了两个时间段的屏幕遮罩,最终导出时画面已无合规隐患。重点关注快速运动、遮挡、低光照条件下的目标,这些是漏检的高发区域。导入视频后选择要检测的目标类型(人脸、车牌、证件号、二维码等)。

Mysssone的博客 182

面向工业对讲的双通道声学 DSP 模组 A-59(NR2050-A)方案解析与工程落地案例

A-59模组以NR2050-A DSP为核心,37.5×16mm邮票孔封装,支持-40℃~85℃工业温域,兼容A-06/A-09/A-29系列,可低成本替换存量设备。通过固件切换实现三种模式:模式一(低改版成本,适配矿井、电梯);模式二(最优AEC,用于医院呼叫);模式三(双波束独立输出,支持双人会议语音分离)。集成AEC、ENC、BF与AGC算法,有效抑制回声、噪声与串扰,解决对讲系统核心声学难题。选型需注意参考信号路径、麦间距与温度匹配,建议先做声学测试再量产。

R190_6589的博客 374
上一篇: 迁移学习帮大忙!成都理工大学搭建 SCDUNet++ 模型进行滑坡测绘
下一篇: 自主研发!军事医学研究院团队提出 MIDAS,可用于单细胞多组学数据马赛克整合
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值