面對疫情防控的嚴峻態勢，西安電子科技大學的科教人員，秉承牢記、踐行“全心全意為人民服務”的傳承，發揮學科優勢，與時間賽跑，攻克急難，研發助力打贏新型冠狀病毒感染的肺炎疫情防控阻擊戰的成果，用科技的力量助力戰“疫”勝利。
對應新冠肺炎CT病灶檢測效果
疫情發生以來，該校計算機科學與技術學院智能軟件與系統新技術研究所副教授張亮帶領團隊成員與西安交通大學第二附屬醫院抗疫一線的影像科醫生，通過遠程網絡會議，在前期醫學影像處理的研究基礎上開展科研攻關，討論方案、設計模型，依託上海瑞金醫院、西安交通大學第二附屬醫院等的新冠肺炎疑似、確診患者肺部CT影像，通過綜合分析新冠肺炎患者的肺部CT影像特點，設計開發出基於深度學習的新型冠狀病毒的早期檢測篩查模型系統。
成果一是基於深度學習的新冠肺炎早期檢測篩查系統。經醫院門診數據排查測試，該模型可以減輕醫護人員近80%的工作量，新冠肺炎患者的檢測召回率超過95%。目前，模型系統正在進行最後的調試工作，將盡快投入到“戰疫”一線，緩解醫護人員緊缺、確診檢測工作耗時較長等問題，減少醫護人員的工作時間和勞動強度，提高工作效率。
成果二是疫情高風險區域防控測溫與身份識別預警及疫情數據分析系統。為快速對疫情防控一線流動人員進行體溫篩查和人員信息採集，做好“防”的前提，為“治”爭取更多時間，使“控”取得最好效果。西電通信工程學院相徵教授團隊依託科研積累與技術優勢，立足新冠肺炎防疫工作實際，發揮團隊力量,加強系統集成攻關，快速研發成功“疫情高風險區域防控測溫與身份識別預警及疫情數據分析系統”。
系統在環球印務股份有限公司的應用情況
該系統硬件便於攜帶和快速部署，且開機即可使用。該系統可用在口岸、機場、車站、辦公樓等場所人流出入通道，在關口或閘機口安裝非接觸式體溫篩查儀，實現所有出入人流的體溫實時監測和超溫預警。系統通過對紅外熱成像非接觸式測溫、二代身份證識別、後臺聯動報警等幾種技術集成應用，採用自組網技術進行低成本、大容量監測數據實時回傳，實現各種場所對流動人員體溫檢測和身份識別。目前，該系統現已成功運用於西安北客站、環球印務有限公司等公共防役關口。
成果三是基於強關聯規則的疫情發展分析與預測。西安電子科大電子工程學院馮偉及團隊成員，利用國家衛健委、湖北衛健委和國家疾控中心的每日確診人數和每日死亡人數等多組數據，通過綜合分析並尋找變量之間的隱性規律，建立了基於強關聯規則的疫情發展分析與預測模型，可用於對疫情進展和趨勢進行科學評估。
該模型現已實現了對全國、湖北和除湖北外其他地區的疫情確診人數、日增人數、死亡人數等的建模和預測。在累計和平均日增確診人數預測中，該模型對湖北地區前23天的預測相對誤差為1.6%和8.6%，對全國其他地區的預測相對誤差為1.2%和8.4%。其諮詢報告初版已提交給國家工信部等，作為疫情發展趨勢分析的決策參考。（來源 西安電子科技大學）
閱讀更多 陝西高校資訊 的文章
