人工智能
·
根據《國務院關于改進加強中央財政科研項目和資金管理的若干意見》（國發〔2014〕11號）、《國務院關于深化中央財政科技計劃（專項、基金等）管理改革方案的通知》（國發〔2014〕64號）、《科技部關于印發〈新一代人工智能重大科技項目實施方案〉的通知》（國科發高〔2017〕344號）等文件要求，現將科技創新2030“新一代人工智能”重大項目2020年度第一批項目申報指南（征求意見稿，見附件）向社會征求意見和建議。征求意見時間為2020年1月3日至2020年1月9日。
“新一代人工智能”重大項目的凝練布局和任務部署已經戰略咨詢與綜合評審特邀委員會咨詢評議，并報國務院批準實施。本次征求意見重點針對指南方向提出的目標指標和相關內容的合理性、科學性、先進性等方面聽取各方意見。科技部將認真研究反饋意見，修改完善重大項目的項目申報指南。征集到的意見將不再反饋和回復。
相關意見請于1月9日17:00之前發至電子郵箱：[email protected]
科技部高新司
2020年1月3日
科技創新2030“新一代人工智能”重大項目
2020年度第一批項目申報指南建議
為落實《**新一代人工智能發展規劃》，啟動實施科技創新 2030“新一代人工智能”重大項目（以下簡稱“本重大項目”）。根據本重大項目實施方案的部署，現提出2020 年度第一批項目申報指南。
本重大項目的總體目標是：以推動人工智能技術持續創新和與經濟社會深度融合為主線，按照并跑、領跑兩步走戰略，圍繞大數據智能、跨媒體智能、群體智能、混合增強智能、自主智能系統等五大方向持續攻關，從基礎理論、支撐體系、關鍵技術、創新應用四個層面構筑知識群、技術群和產品群的生態環境，搶占人工智能技術制高點，妥善應對可能帶來的新問題和新挑戰，促進大眾創業萬眾創新，使人工智能成為智能經濟社會發展的強大引擎。
1.新一代人工智能基礎理論
1.1腦結構和功能啟發的新型神經網絡模型
研究內容：針對當前神經網絡計算模型依賴大量標注樣本、魯棒性和適應性差、可解釋性不足、能效比低等固有局 限，研究分析海量大腦皮層范圍內的高分辨率響應數據，解析反演神經回路工作機理；受特定神經環路啟發，發展具有記憶、稀疏編碼等特征的新一代神經網絡模型；研究大規模復雜網絡的高效學習和計算方法，發展復雜網絡泛化性理論；設計具有自糾錯能力的神經網絡結構，突破自學習、小 樣本學習、可解釋性等智能新理論與新方法。
考核指標：構建具備學習、記憶等認知能力的神經網絡計算模型，模型規模不少于百萬量級神經元；具備自糾錯、可遷移能力，噪聲環境下的模型性能有數量級提升；設計自學習、小樣本學習方法,相同性能條件下所需標注數據數量 級減少；通過知識歸納和遷移，對模型結果和性能提升具備可解釋性；開源新型神經網絡計算數據、模型和代碼等。
1.2基于脈沖神經網絡的感知-學習-決策神經網絡模型
研究內容：構建以神經系統可塑性為核心的多腦區協同脈沖神經網絡計算模型，建立具備生物合理性和生物可解釋性的多尺度脈沖神經網絡學習算法，突破多腦區協同視聽覺感知-學習-決策等復雜環路神經網絡模型，以無人機、機器人等為載體探索自主智能實現途徑。
考核指標：學習與決策神經網絡可塑性計算模型要求具備生物合理性與生物可解釋性；模擬多個腦區的自主感知- 學習-決策協同計算模型，能夠支持基于復雜視、聽覺感知 的類腦自主學習與決策，支持反轉學習與決策等；開源類腦 學習與決策脈沖神經網絡數據、模型和代碼等。
1.3認知計算基礎理論與方法研究
研究內容：聚焦開放、動態、真實環境下推理與決策重大問題，開展常識學習、直覺推理、自主演化、因果分析等理論和方法研究，重點突破刻畫環境自適應、不完全推理、自主學習、對抗學習、智能體協同優化等特點的認知計算理 論和算法，在自主智能、群體智能或混合增強智能等智能形 態方面實現應用驗證。
考核指標：形成能適應多種智能形態的認知計算框架，構建大規模、共享開放的跨媒體常識知識庫，提出并實現通用認知測試方法；在對抗決策、人機混合或自主學習中形成 和常識結合的認知理論，顯著提升現有算法在開放環境下的魯棒性；建立具有國際影響力的開源開放認知智能水平國際評測體系。
1.4以自然語言為核心的語義理解研究
研究內容：針對從互聯網海量文本、自然標注大數據和多模態關聯數據獲取開放域知識等問題，研究基于知識圖 譜、事理圖譜等大規模多元知識的自然語言語義分析方法， 研究兼具邏輯性和藝術表現力的可理解、可解釋文本生成方法，研究通過與環境和社會跨模態交互的語言進化計算模 型，突破層次深、魯棒性強、對稀缺語料適應能力好的中文自然語言理解技術，為認知智能提供通用語言模型和基本工具支撐。
考核指標：從互聯網海量文本中自動獲取知識和語義分析能力得到可驗證的數量級提高；提出若干語言文本分析和生成任務
1.5高級機器學習理論研究
研究內容：研究具有自組織、自學習、自適應、自涌現等特點的機器學習新理論；研究不完全信息下推理決策與演化完善的學習理論；研究具有可解釋性的機器學習理論和方法；研究小樣本學習、深度強化學習、無監督學習、半監督學習、遷移學習、表征學習等理論和模型；研究量子機器學習、對偶學習、分布式學習、元學習及其它高級機器學習基礎理論和方法等。
考核指標：圍繞上述研究內容和具體需求場景，形成從數據、模型到算法的理論成果，建立可驗證的系統、開源數據、模型和代碼等。
申報說明：本任務為開放性研究項目，不下設課題，申請者可就上述涉及的部分研究內容進行申報，提出明確的任務目標和具體的考核指標。項目負責人需為1980年 1月1日后出生的青年研究人員。
1.6人工智能安全基礎理論及驗證模型
研究內容：針對深度學習等模型，研究可信度量方法和安全形式化驗證方法，支持復雜智能系統內在結構與行為功能的一致性、可達性、安全性判定；研究包含智能組件的軟件系統的模型化開發和驗證技術以及基于動態數據收集的 安全認證模型與方法，研制建模、開發與驗證一體化工具； 在黑盒與白盒不同場景下，研究基于差分測試、變異測試、動態符號執行測試等軟件測試技術的智能系統測試方法和 測試樣本的自動生成等關鍵技術；針對惡意樣本等攻擊手段，研究具有可擴展性的可認證魯棒學習模型，研究新型的 對抗實例訓練策略及驗證問題關系，提高測量防御技術的有效性；研究軟硬件一體的安全攸關復雜智能系統的安全驗證技術、優化技術和硬件架構安全適配。研究基于驗證與測試技術的智能系統全周期安全評估、魯棒性驗證和性能保障技術與方法。
考核指標：建立多領域技術融合、支持大規模人工智能系統自主安全防御的理論體系；提出至少三種具有群體智能魯棒性構造、惡意攻擊自動識別的安全自動化攻防技術；建立支持主流大數據集上億級神經網絡參數的智能安全防御 與性能驗證平臺，實現準實時運行響應；突破安全關鍵復雜智能系統的可信驗證技術，支持不少于 3 種常見深度學習模型的安全結構度量和形式化驗證，參數規模不低于百萬級；突破軟硬件一體驗證與優化技術，支持 FPGA、GPU、ARM 等不少于3種硬件環境。
2.新一代人工智能共性關鍵技術
2.1以中文為核心的多語種自動翻譯研究
研究內容：聚焦語言大互通的需要，研發以中文為核心的多語種、多模態口語自動翻譯技術，重點突破面向數據和 專家資源稀缺的小語種語音及語言技術研發的無監督/弱監 督學習、遷移學習、端到端語音翻譯等技術，突破具備場景感知能力的圖像光學字符識別、翻譯、和圖像生成技術，實 現高可用近遠場口語語音識別和語音合成技術，以及相關語種到漢語之間的雙向互譯技術，并完成相應的語音翻譯和圖片翻譯的云服務在智能終端上的應用，實現政務、教育、媒 體、商務、旅游、就醫等典型場景的口語自動翻譯服務。
考核指標：在即時和近遠場翻譯場景下，實現維吾爾語、哈薩克語、阿拉伯語、俄語、泰語、馬來語、越南語、印尼語等多個小語種到漢語之間的雙向語音翻譯和圖片翻譯，形成面向多種應用場景的自動翻譯系統和驗證應用；小語種近場口語翻譯可達到人類同傳水平；近距離、少噪聲條件下， 印刷品識別準確率達到 98以上，翻譯準確率超過90；遠距離、多噪聲條件下，非印刷品識別準確率達到90以上，翻譯準確率超過80。
2.2魯棒安全的人機共駕系統
研究內容：針對動態、開放的真實交通環境下無人駕駛車輛適應性差、安全性弱等問題，研究人類駕駛員和智能駕駛系統同時在環共享駕駛權的人機共駕方法，實現人在回路的數據、信息、語義及知識等多層次的人機交互與協同；建立人機協同的多模態感知、交互意圖理解的計算模型，實現人機一致性的情境理解與預測、決策與控制；研究可解釋的 自主決策與可解譯的決策過程模型與算法，形成人機沖突機理分析及人機混合決策的在線評估理論與方法；構建人機共駕的云學習平臺和支撐環境，實現安全、舒適、敏捷靈活的智能駕駛。
考核指標：提出并驗證針對系統對駕駛人行為感知準確率、對駕駛人狀態估計與意圖預測準確率、常規工況下駕駛行為的動態約束及反饋頻率、緊急工況下控制權分配與失效安全策略計算周期等關鍵指標；人機共駕系統中駕駛人對控制系統的預見性以及滿意度的主觀評分在8分以上（10分 制）；搭建分析人車耦合與人機共駕機理的軟件虛擬仿真平 臺1套、硬件在環半實物仿真平臺1套、人機共駕云學習平臺 1套，核心技術在權威國際評測中達到先進水平。
2.3無人集群系統自主協同關鍵技術研究及驗證
研究內容：針對高動態、不確定、資源受限等復雜環境，面向協同區域搜索、集群優化調度等多任務應用需求，研究無人集群系統的通用/開放式體系架構和建模方法，提升無 人集群系統的場景適應能力和異構無人自主系統間的互操 作能力；研究不確定和資源受限條件下高質量傳感數據處 理、共享及多源信息融合技術，提升無人集群系統的分布式 態勢感知與認知能力；研究可引導、可信任、可進化的集群無人系統規劃、決策與控制技術，提升無人集群系統的魯棒性和智能化水平；面向災害救援、環境監測、區域物流、應 急處理等應用場景，進行基于無人集群自主協同的驗證。
考核指標：建立開放式的無人集群系統架構，支持集群節點數量不少于100個，支持不少于3種復雜動態任務場景，并具備節點數量和任務場景的可擴展能力；實現由至少2種異構無人自主平臺組成的集群任務驗證；能夠適應強干擾、變通信拓撲等挑戰環境下的態勢感知和認知任務要求；實現不依賴于群體規模的任務規劃、自主決策與控制算法，實現通用計算平臺下實時規劃和決策，并建立群體智能的自主學習與進化模式，形成可快速進行大規模應用復制的應用驗證。
2.4具有自主學習能力的超級品質檢驗關鍵技術
研究內容：以具有產品型號多樣、材質透明反光、尺寸大小不一、質檢崗位勞動力密集等特點的典型制造領域為驗證場景，研制具有人眼仿生機理的成像系統，針對復雜背景下高效率、高精度、弱對比、多種類的缺陷檢測要求，研究 小樣本、弱監督條件下具備強適應能力的外觀缺陷技能學習關鍵技術；研究海量工業外觀數據的快速重塑映射管理方 法，實現若干典型工業外觀數據庫的構建；研究知識增長型 的學習模型建立方法，實現甄別技能的在線學習與增強；研究技能遷移學習方法，實現多類別外觀的技能高效傳授，解決制造行業外觀檢測環節用工難的行業痛點。
考核指標：構建不少于3類的符合指南特點的工業外觀缺陷大規模數據庫，指標具有行業領先性；開發可在線學習與增強的甄別學習技能平臺軟件，形成任務遷移學習能力， 實現不同質檢任務遷移單次不超過 0.5 小時；在典型場景下達到并超過人工檢測能力，召回率大于 97，準確率大于 95；可面向不同質檢場景進行自主學習，形成具有適應能力的通用型品質檢驗關鍵技術，在不少于 2 個行業的龍頭企業形成代表性應用。
2.5復雜社會信息網絡下的風險感知與智能決策研究
研究內容：面向多源、異構和跨模態復雜社會信息，研究語義融合、網絡表征和動態演化的理論框架；提出面向多維度、多尺度社會信息網絡的風險感知、智能分析和群體決策的社會計算范式，研究和構建融合全球多語種、跨模態大數據驅動的社會風險機理和分析模型與方法；研究信息網絡的實體及關聯知識聯合提取方法，構建支撐風險評估與智能決策的時序知識圖譜，研究復雜社會網絡圖表征學習框架， 提出領域知識與數據驅動的智能群體決策方法，支持智能決策的自主評價與推演；構建面向重大需求的風險預警、智能分析、群體決策的軟硬件一體化大數據計算平臺。
考核指標：具備融合全球二十個以上語種、十萬家公開信息源的大規模社會信息的獲取和融合能力；構建面向社會信息風險與決策的千萬級結點、億級邊的知識圖譜，研制不 少于100種社會風險感知與智能決策算法模型；具備在百億 級條邊規模的社會復雜網絡上進行分析和決策的能力，實現千萬級節點規模網絡上的分鐘級搜索響應和分鐘級挖掘與 推薦計算能力；在不少于2個面向重大社會風險預警和智能 決策的典型領域進行規模化應用驗證。
2.6億級節點時序圖譜實時智能分析關鍵技術與系統
研究內容：聚焦海量金融交易數據實時風險防控重大問題，研究建立多領域（股票、期貨、債券、上市公司、金融 人物等）金融知識圖譜技術；構建實時、動態、可追溯的超 大規模時序關聯圖及實時智能分析研究，突破面向時序關聯圖的快速構建、查詢語言設計、動態分析以及實時智能決策等關鍵技術；研究時序關聯圖的挖掘、推理與歸納以及可解釋規則自動生成，重點突破金融實時風控場景下的數據與知識混合驅動的風險預測研究并開展應用驗證。通過對互聯網金融用戶十億節點級別規模網絡構建，并融合相關領域知識圖譜，以及復雜異構網絡上金融輿情/黑天鵝事件傳播預測 及關鍵節點辨識、推理和控制，達到風險預警及防范目的。
考核指標：構建面向金融領域的千萬級知識圖譜，涵蓋不少于5個領域，實現多個領域知識圖譜的關聯與融合；時序圖譜支持金融風險防范領域常用的時序復雜邊，具備單節點10萬tps、集群200萬tps 關聯圖構建能力，每筆處理平均延時在 10 毫秒以內；億級節點量級下實現多層關系的實時查詢；支持基于時序關聯圖的金融實時風控場景高級認知模型研究，具備可解釋性，并在不少于 5 家金融機構進行風險防控的應用驗證。
2.7復雜版面手寫圖文識別及理解關鍵技術研究
研究內容：聚焦千萬教師日常擔負大量試卷和作業閱卷工作的減負迫切需求，開展多學科多題型紙筆考試和作業的智能閱卷技術研發，基于教育大數據、跨媒體分析及自然語言理解等，突破面向紙筆考試及作業的復雜版面分析、手寫圖文及公式識別、作文自動評分、文科答案語義理解評分、理科解題步驟分析評分及抄襲檢測等智能閱卷關鍵技術，實現和教師閱卷能力協作的增強型高可用智能閱卷系統研發。
考核指標：復雜版面分析的正確率達到99以上，手寫圖文及公式識別正確率達到96 以上，中英文作文自動評分及文科簡答題評分性能達到人工專家99水平，理科解題步驟分析評分能力達到人工專家95水平，抄襲檢測的正確率達到98以上，智能閱卷技術在語文、數學等學科以及100所以上學校實現常態化應用。
2.8擬人化人機交互服務關鍵技術與系統
研究內容：面向電話、在線文本客服及面對面咨詢、銷售及服務等復雜場景，研究口語化語音識別、擬人語音合成和口語化處理技術；研究基于場景知識圖譜的上下文語義解析和檢索技術、基于對話管理和知識驅動的多輪對話技術、基于用戶畫像的個性化反饋對話技術，以及基于對話狀態監測的自動反饋應答技術等；研究突破高噪聲服務環境下的視聽覺環境感知技術，基于語音、五官、表情、手勢、肢體語言等多模態用戶意圖識別技術，基于語言及視覺的多模態知識表達與推理技術，突破真實場景下跨模態的多媒體及語義理解；研究用戶情感感知與個性化智能服務技術，以用戶體驗為中心的人機協同智能用戶服務技術；研究低資源場景下的遷移學習技術，研究解決對新場景系統冷啟動等問題；構建具備反饋式學習能力的開放式智能客服平臺，實現面向全領域可定制的對話理解。
考核指標：智能客服平臺實現口語語音識別率超過 95、口語語音合成MOS 得分接近人類水平、對話正確響應率不低于 95的領域效果，提出能夠有效體現機器對話智能的圖靈測試方案，并在至少3個領域通過測試驗證；規模為千萬級別的大數據用戶行為視頻理解，情感分析和行為理解正確率超過90；能夠進行多種復雜任務的領域遷移，具備支撐億級用戶規模應用的能力，給定任務完成率不低于 90；對研究者授權開放帶標注的真實場景多輪對話不少于100萬段。
2.9混合增強在線教育關鍵技術與系統研究
研究內容：針對在線教育存在情境多變難感知、用戶體驗難適配、認知過載易迷航等難題，研究虛實結合的體驗式、 沉浸化學習環境。研究學習行為分析、意圖理解、認知狀態追蹤等學習認知模型，實現學習認知過程的多維度、跨學科跟蹤；綜合多模態人機交互、知識圖譜、強化學習等方法， 研究面向個性化伴學的智能導學方法，打通學習規劃-內容推薦-輔導答疑等環節，構造因材施教的虛擬智能助教和導師；研究基于人機混合智能的群體化學習組織、激勵、評測、 輔導和優化方法，建立支撐群體化課程學習和在線實踐的智能平臺;研究混合增強在線教學質量綜合分析和優化方法。
考核指標：實現大規模在線教育混合增強智能環境和平臺，在中小學科學教育、高職技能培訓、大學專業教育等領 域進行應用；在學習效率、學習興趣等方面提出人機混合增強教學環境的評估體系和具體評估指標，給出基于10門以上學科、20個以上學校、面向上萬學生規模化驗證的評估結果。
2.10室內服務機器人自主學習與進化關鍵技術
研究內容：通過服務機器人、物理環境、運動目標等持續交互式學習建模，研究復雜家庭環境下服務機器人數字孿生系統；通過事件驅動機制（如智能抓取、多模感知、柔性交互、敏捷家政等）和虛實融合，實現持續高效的進化訓練， 實現大規模智能實驗模擬和智能增長；研究基于“感知分析決策反饋”的多服務機器人群體智能，實現多個服務機器人自主協作；研究服務機器人決策行為評估、遂行任務效果的全過程評價方式，建設相關評價標準和過程評估體系。
考核指標：建立服務機器人本體和服務環境可靈活配置的數字孿生系統，至少支持 2 種類型以上服務機器人本體100多個室內服務環境；建立服務機器人自主學習與進化理論與方法，通過數字孿生，服務機器人訓練效率數量級提升， 完成 20 種以上室內服務任務，模型從虛擬到真實場景具有良好的可遷移性；服務機器人在不少于 100 個社區、養老院、康復中心等機構進行應用驗證；申請相關技術標準2項。
3.新型感知與智能芯片
3.1基于混合器件的神經形態計算架構及芯片研究
研究內容：聚焦生物腦工作機理的可計算模型實現，開展信息存儲與處理一體化理論研究，設計易于硬件實現的神經元、突觸及網絡模型；研究基于硬件的神經網絡動態配置、 神經元地址快速并行查找和在線學習技術，設計新型神經形態計算架構；研究應用于神經形態芯片的新型器件及其集成技術。突破混合器件集成的大規模神經形態芯片技術，構建神經形態芯片與現有計算機系統結合的混合計算應用平臺。
考核指標：研制混合器件的神經形態芯片，支持神經網絡的在線學習與配置參數的非易失性，神經元規模大于 20 萬，突觸規模大于2000萬，突觸讀寫訪問時間小于 50ns，芯片能效大于1T脈沖操作/瓦；開發神經形態計算功能驗證平臺，支持400萬以上神經元，性能大于30T 脈沖操作/秒；支持至少2種典型智能任務。
4.人工智能提高經濟社會發展水平創新應用
4.1開放環境復雜制造過程智能調度方法及應用
研究內容：針對工業互聯網開放環境下、復雜制造過程調度面臨的大規模異構制造資源高度動態不確定性等問題， 研究基于全類型數據處理和領域知識深度遷移的復雜制造任務自適應感知與調度方法；研究面向制造云端與邊緣側動態協同的異構制造資源高效調度方法；研究大規模跨組織、強耦合、不確定性制造應用流程協同優化調度方法；突破異構制造系統自適應集成技術、大規模制造資源協同云排產技術；研制面向工業互聯網開放環境的智能制造資源云平臺，提升制造過程整體效率，提高關鍵高價值設備利用率，給工業企業降本增效，面向高端裝備、汽車等典型離散制造業， 在資源協同、協同設計、協同生產等典型場景開展應用研究。
考核指標：形成新一代人工智能驅動的開放環境復雜制造過程監測與調度方法技術體系；建立面向復雜制造過程調度的邊云協同人工智能框架，形成至少5種制造大數據與遷移學習融合驅動的新型調度算法及調度服務；研制基于工業互聯網的開放環境智能制造資源云平臺，形成規模化企業和制造資源集聚；面向高端裝備、汽車等至少 3 個典型制造業行業領域開展應用研究，在落地應用中實現制造資源利用率提升 5以上，產品制造周期縮短至少10。
4.2工業領域知識自動構建與推理決策技術及應用
研究內容：圍繞制造業全產業鏈中供研產銷服等核心業務環節，面向多源異構、跨媒體、多學科的工業數據（結構化、半結構化、非結構化），研究傳統工業物理機理、模型機理和專家經驗的知識表達范式理論；研究基于常識和專業知識圖譜的工業跨媒體、多學科知識抽取、融合、驗證、遷移、演化和表示學習技術；研究面向全產業鏈協同工作流的情境自適應知識索引、推理、推薦、可視交互決策技術；研制工業知識抽取與推理引擎，建立工業領域知識開放共享平臺，面向智能制造供應鏈、研發設計、生產制造、經營管理、客戶服務等典型業務領域開展智能決策應用研究。
考核指標：構建工業領域知識模型，抽取超過億級的工業領域本體庫并完成表示學習；研制工業知識抽取與推理引擎，建立工業領域知識開放共享平臺，具備知識自動抽取與 構建、推理與推薦、智慧決策等服務能力；面向智能制造供應鏈、研發設計、生產制造、經營管理、客戶服務等典型業務場景，選擇工業知識服務能帶來顯著效益的 3 個工業領域進行應用驗證，提出并實現相應考核指標。
4.3智能醫生助理關鍵技術及應用研究
研究內容：針對臨床診療中信息負載高、醫生重復勞動強度大、錯誤易發等問題，研發智能醫生助理系統。研究復雜異構高維動態數據的呈現技術，實現患者信息的全景呈 現；面向診療，研究多尺度、多模態信息的融合分析技術； 突破醫學知識圖譜自動生成技術，實現從大規模臨床數據向醫療知識的轉化。面向臨床重點科室，在智能分級導診、輔助診斷、輔助治療、電子病歷輔助錄入及質控、患者共決策與隨訪等環節開展應用。
考核指標：構建可靈活拓展的患者信息全景可視化工 具；形成5-10種多尺度、多模態臨床信息融合分析模型；構建面向多科室、基于臨床數據的自學習型知識圖譜，知識圖譜具備動態更新能力，對臨床知識覆蓋率大于90 ，準確率大于95 ；構建的智能醫生助理系統，可面向5-10個臨床重點科室提供類人水平的醫生助理服務，并在至少5家三甲級 醫療機構和至少10家基層醫療機構開展應用。
4.4腫瘤多學科診斷的影像分析輔助系統研究與應用
研究內容：面向腫瘤多學科輔助診療，研究跨模態醫學影像的綜合分析技術，提高腫瘤治療的精準性及全面性。研究影像數據的多維度、跨模態檢索與匹配技術，為醫學循證提供依據，支撐臨床最佳治療方案的決策；研究可解釋跨模態推理技術，通過對推理不確定性建模，優化跨模態融合和人機分工；圍繞癌癥診療過程，構建醫學循證、精確診斷、預后預測、療效監控等模型；針對原發性與繼發性腫瘤的診治開展臨床驗證，提升臨床決策效率和精準率。
考核指標：面向腫瘤多學科診療，構建人機協同的醫學跨模態影像分析輔助系統，生成符合人類醫生使用習慣的輔助診斷及治療解釋；針對至少2種常見原發性腫瘤（如乳腺 癌、肺癌、結直腸癌等）以及1種轉移性腫瘤（如轉移性骨 腫瘤）的診斷、治療和預后等醫學場景，模型具備可解釋性且醫生采納率大于90 ；分析輔助系統在至少5家三甲醫院開展應用驗證，納入病例不少于3000例。
4.5醫療行為多維度感知關鍵技術及應用研究
研究內容：聚焦智慧醫院建設，研究醫療行為的多模態感知并通過人機協同實現醫療流程的智能化。研究醫療行為的多維度感知關鍵技術，重點突破醫療行為時空特征表達、醫療行為細粒度識別、醫療行為操作合規性評估；研究高精度力覺機器手臂輔助應用，突破復雜應用場景下的人機協同關鍵技術，實現醫務人員操作流程優化；研究全方位監測不同患者生活習慣、飲食特征、運動模式、作息規律、精細行為等對醫療結局的影響，為科學的行為干預提供依據。
考核指標：面向急診、ICU、護理、代謝艙等各類復雜場景，構建開放性的大規模多模態醫療行為數據集，經過標注的數據規模不少于 10TB；覆蓋至少 20 類醫療行為，醫療行為感知系統對各類醫療行為的識別準確率大于 80；開發至少2類醫療流程輔助智能機械臂軟硬件樣機，在代謝艙等使用場景中完成人機協同驗證，并在至少 2 家三甲醫院落地應用。
參考網址：
付費5元查看完整內容
相關內容
注冊地址： 北京市海淀區羊坊店路18號2幢3層301-191