-
公开(公告)号:CN117236736A
公开(公告)日:2023-12-15
申请号:CN202311001005.1
申请日:2023-08-09
Applicant: 西安电子科技大学
IPC: G06Q10/0639 , A61B5/1455 , G06Q50/20 , G06N3/0464 , G06N3/0442 , G06N3/045
Abstract: 本发明公开了一种基于多模态数据特征的线上线下混合学习评价方法,包括:设计fNIRS实验方案以对每个学生进行实验,并在实验过程中采集反映学生脑血氧变化情况的近红外数据,获得实验结果;同时,设计综合调查问卷以对学生进行问卷调查,得到问卷结果;对实验结果进行分析,并结合问卷结果对不同学生构建个性化能力肖像;对学生在线学习产生的行为数据进行分析,以对不同学生的学习成绩进行预测,得到学习成绩预测结果;基于不同学生的个性化能力肖像及其对应的学习成绩预测结果评估学习效果并提供个性化学习建议。该方法可对学生进行多维度全面评价,且具有可持续、个性化以及灵活的优点,可促进学生提高学习积极性与教育活动的顺利开展。
-
公开(公告)号:CN112712877A
公开(公告)日:2021-04-27
申请号:CN202011420323.8
申请日:2020-12-07
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种大视场高通量高分辨病理切片分析仪,包括:照明模块,用于产生单色光;病理切片固定模块,用于固定并调整病理切片位置,以使病理切片位于成像视野位置处;数据采集模块,用于采集单色光经过病理切片后携带波前信息的散射光,与未携带病理切片信息的透射光形成的干涉图像信息;控制处理模块,用于对干涉图像信息进行图像重建,得到重建图像,基于预先训练完成的病理切片分析模型,对重建图像进行分析,得到病理切片的分析结果。本发明的病理切片分析仪,成像视野为传统光学显微镜的数百倍,不需要对病理切片进行染色,采用深度学习网络分析病理情况,简化了病理切片的分析过程。
-
公开(公告)号:CN112712877B
公开(公告)日:2024-02-09
申请号:CN202011420323.8
申请日:2020-12-07
Applicant: 西安电子科技大学
IPC: G16H30/20 , G16H30/40 , G16H40/60 , G06F18/214 , G06N3/0464 , G06N3/08 , G01N21/84
Abstract: 本发明涉及一种大视场高通量高分辨病理切片分析仪,包括:照明模块,用于产生单色光;病理切片固定模块,用于固定并调整病理切片位置,以使病理切片位于成像视野位置处;数据采集模块,用于采集单色光经过病理切片后携带波前信息的散射光,与未携带病理切片信息的透射光形成的干涉图像信息;控制处理模块,用于对干涉图像信息进行图像重建,得到重建图像,基于预先训练完成的病理切片分析模型,对重建图像进行分析,得到病理切片的分析结果。本发明的病理切片分析仪,成像视野为传统光学显微镜的数百倍,不需要对病理切片进行染色,采用深度学习网络分析病理情况,简化了病理切片的分析过程。
-
-