我们成型的产品：分布式光纤振动/声波安全环保监测系统(DAS-100, DAS-200)可以可靠的执行对激光发射、系统控制、信号的探测， 信号处理和报警分析，数据采集， 数据分析展现，具有监控距离长，频响范围大，定位精度高等优点。经历了自主研发和创新，我们的产品在下面三个方面取得了研究成果： 1. 光相位实时补偿和标定技术实现光强度和相位信息同时获取（国内最高水平只能获得光强度信息） 2. 独特的光偏振管理技术实现无死区测量（国内最高水平也缺少光偏振技术的应用） 3. 时域和频域解调相结合的技术实现40公里1MHz的信号采样（国际上最高水平也只有100K，并且是在1公里以内的距离才能做到）

本项目长期目标是建立基于深度学习的心脑血管疾病风险预测系统，用以辅助诊断治疗患者。 项目关注的目标是心脑血管疾病，针对的部位有1）脑部疾病，包含脑部血管动脉瘤，血管斑块，动静脉瘘，和血管性耳鸣；2）胸腹部疾病，包含胸部主动脉瘤，腹部主动脉瘤，和心脏疾病。 现阶段，大部分针对以上疾病的研究已经从医学成像阶段到图像自动分割分析，在到血液动力学研究，以及胸腹部的管壁力学特性研究。但是，目前在临床上， 还处于从成像到医生手动测量确诊疾病阶段。甚至，有一些很重要的医学成像序列，例如脑部的4D flow序列（很重要的采集血液动力学特征的核磁共振序列），因为可视化方面的缺陷，以及缺乏有效的商业软件处理，并没有应用到临床上。 针对以上现状，我们团队致力于1）开发4D flow分割分析，可视化，提高分辨率优化软件；2）针对上述脑部疾病和胸腹部疾病，开发提高图像质量，自动检测，自动分割的算法；3）针对脑部血管疾病，用两种方法 a. 计算流体力学仿真和 b. 处理核磁共振4D flow图像，开发精准血液动力学研究，用于疾病的跟踪监测和辅助治疗；4）针对胸腹部疾病，计算力学形变参数，辅助疾病治疗，预测手术预后；5）对1）2）和4），我们采用传统方法处理并优化，所得结果将纳入深度学习的训练集，最终将用深度学习的方法，对将来更多的数据进行预测和处理，因为在预测能达到足够的精度的前提下，深度学习可以实现实时给出计算结果。6）引入机器组学到心脑血管疾病，筛查影响不同疾病最重要的10-20个特征风险因子，辅助医生临床治疗。 团队三位来自美国加州大学伯克利分校和加州大学旧金山分校的核心成员（王琰简称W.Y, 张越 Z.Y, Evan Kao E.K），过去10年来均工作在以上研究领域。三位成员的均为不同学科的工程学术背景，而且每位成员都长期在加州大学旧金山分校（美国top医学院）工作，具有很好的医工结合背景。 团队科研针对以上6点已经有相关的技术和相关已发表文章： 1）完成了4D flow分割分析和可视化软件 （E.K）； 2）完成了脑部血管动脉瘤，血管性耳鸣，胸部主动脉瘤，腹部主动脉瘤和心脏的自动分割分析算法 （W.Y）； 3）完成了脑部血管疾病的 a. 计算流体力学仿真 （Z.Y 和 E.K） 和b.处理核磁共振4D flow图像（E.K），用于疾病的跟踪监测和辅助治疗； 4）针对心脏疾病，计算力学形变参数，辅助疾病治疗，预测手术预后（Z.Y）； 5）深度学习的方法自动检测和自动分割算法（W.Y）； 6）机器组学在癌症方面的研究应用的研究（W.Y）。 本项目主要技术产生于加州大学旧金山分校。加州大学旧金山分校是世界排名top大学，其医学院无论是临床还是科研均排名世界前三名。本项目的相关科研和技术是位于世界前沿的。基于过去多年的研究成果，本项目技术可实现程度高。 产业化条件： 1） 软件开发技术已完成部分 2） 整体技术已基本完成 3） 技术人才已经基本全部到位 第一年：完善相关软件开发 第二年：开发软件市场，开始盈利，继续做相关的技术完善开发，招第一批病人做跟踪分析，辅助治疗 第三年：为大学医院科研机构提供技术支持，软件支持，招更多的病人做大数据人工智能，开发更大市场。 从2017年中国心血管病报告来看，心脑血管疾病中国患者人数2.9亿，占居民疾病死亡构成40%以上，今后10年扔将快速增长。心血管疾病是死亡率排第一的疾病。 过去心脑血管疾病依靠手动测量，开胸开颅等作为主要治疗手段，手术预后缺失，以及手术前随访机制不健全，导致病人多方面的不利因素。而基于最新技术的发展，未来心脑血管疾病基于AI数据分析，云端大数据，微创手术，术前预后模拟，和个体化手术设计将为病人更好的诊断和辅助治疗相关疾病。 本项目的市场定位是用大数据AI和力学分析模拟的方法，帮助病人辅助治疗，预测治疗结果和疾病发展状况。 主要竞争者，1）相关软件开发阶段，主要竞争者有Circle, Arterys. 汇医慧影，图玛深维，Airdoc。这些公司中前两个专注于软件开发，后三个专注于疾病筛查。2）流体力学分析模拟阶段，主要竞争对手是Heartflow。3）传统方法固体力学分析模拟阶段，主要竞争对手是景三医疗。 而我们，从1）到3）之后还将使用大数据AI方法加速整个计算过程，提高计算精度，实现更准确预测。 我们的主要产品：1）血流动力学可视化软件 2）医学图像分析软件 3）为病人提供AI+生物力学优化治理方案 我们的主要获利方式：1）软件版权 2016年统计，中国有2.9万个医院。显示血流动力学图像信息以及图像分割分析的商业软件售价约为20万。市场价值58亿。 2）技术支持 为中国的大学，医院和科研单位等提供研究技术支持。相关市场：约20亿。 3）疾病跟踪分析，病人辅助治疗 2017年统计，中国心脑血管疾病患者2.9亿。跟踪分析或者病人辅助治疗分析的价格约600元/次。市场1740亿。

The purpose behind this project is to develop an approach to detect objects and anomalies in dynamic environmental conditions. For overcoming effects of environmental variations like high reflectivity, heat waves, fog and variable illumination multiple camera modalities including infrared and ultraviolet are added to a visual spectrum. For detecting micro-level parameters related with the environment and the water itself, analog sensing nodes connected to a wireless gateway are used. Main parameters under consideration include temperature, salinity, moisture and turbidity.

ACAI 车脸识别算法是运用Resnet及Inception V4结合的独有技术完成的车脸识别神经网络算法，首次应用于车联网的在线和离线设备的智能制造。可以跳跃式提升汽车前装和后装电子设备在车辆识别，车辆跟踪和自动驾驶等前沿领域的识别范围和精准度。目前在线识别接口可以识别200种汽车品牌(93%识别率)，将近2000种车型和年代（90%识别率），车辆行驶方向（98%识别率）等多维度实时图片识别，基本覆盖了2000年以后所有在路上行驶的车辆的识别。算法部署到云端监控摄像头，用于国内各大综合商业停车场，小区和智能社区的实时监控。基于边缘计算的离线设备则使用5G和NB-IoT技术对接国内物联网标准，将算法搭载到车辆的行车记录仪，倒车后视摄像头，车辆运输机器人和十字路口公安监控探头等需要对车型车款车辆行进方向进行实时判断的应用场景。 公司产品 ACAI 车脸识别这项技术在国内商用领域尚属空白，目前已经和中国最大的停车场数据运营商合作试运营。和山东省公安厅的车辆监控数据中心合作天网项目，处于中试阶段。以及在国内主板上市的唯一家车联网企业合作，处于研发阶段。AI 芯片已在融资规划中，已经和全球第二的芯片代工厂联华电子 UMC 的技术研发部在深度洽谈。致力于把在美国已经成熟的算法和国内的车联网应用场景有机结合，提升小区，停车场，商业中心的停车智能化和道路车辆自动驾驶的辅助化。