新聞及香港科大故事

歡迎你觀看短片，了解我們採取的全方位抗疫措施 。

Mashiat Lamisa (third right) and her teammates Ilana Zimmerman (second right) and Dama Correch (third left) received the Empower Women Through Technology Prize at the cmd-f all-female* hackathon held at the University of British Columbia.

校長史維教授在世界經濟論壇發表署名文章，分享科大研究團隊與全球夥伴携手努力共同對抗2019冠狀病毒病疫情。以下為文章全文： 隨著2019冠狀病毒病（Covid-19）遍及各大洲，影響著數百萬人，各國衛生部門決策者和世界各地的科研人員都在加緊研究抑制這種病毒進一步傳播的方法。我們堅定不移地相信，大學正在並且應該一直為這場戰役作出貢獻，以應對當前以及未來像這樣嚴重並且可能長期持續的公共衛生危機。 新冠病毒具有高度傳染性，這意味著我們迫切需要從加快病毒載體的檢測、阻止病毒的傳播到研發疫苗上找到相應的解決方案。香港科技大學的研究團隊不懈努力，為全球冠狀病毒控制工作做出了貢獻。 在疫情爆發的早期， 1月中旬獲得冠狀病毒的基因序列後，我們採用了最新的微流生物芯片技術來提供便擕式檢測儀，將檢測所需時間減少到40分鐘，該設備是提供早期並可靠的新冠病毒核酸分子檢測的最大飛躍之一。 在感染控制方面，我們開發了PECD抗菌塗層，可殺滅多達99.99％的各種感染性病毒。在醫院的空氣淨化系統中，將其用作空氣微粒篩檢程式的塗層將有助於遏制病毒的傳播，該技術已在武漢市火神山醫院採用。最近開發的另一種新的抗菌配方MAP-1可有效殺死比冠狀病毒更具抵抗力的病毒。可在不同的物體表面甚至衣服和外科口罩上使用，它可以提供持久防護，防止病毒污染公共場所。 此外，我們的研究人員還開發了許多無人車，這些無人車配備了全地形3D影像以及大規模的視覺和感測器導航技術，已在中國多個疫情嚴重的城市部署。儘量減少人與人之間的接觸，以降低人與人之間傳播的風險。同樣，我們校友生產的數百台機器人也被送往中國各地的醫院和隔離區，為患者提供食物和藥物的運送服務，防止交叉感染。 說回中國香港地區，我們以新技術支援香港政府進行體溫監控和檢疫措施。我們還瞭解到，防護口罩和消毒劑的供應稀缺，因此我們正在投入研究資源，以尋找可能的方式來高效率、低成本地生產這些防護用品，以緩解供應緊張的情況。

「每棵樹都是活著的生命!」土木及環境工程學系教授暨副系主任王幼行教授一邊欣賞科大海旁附近山坡的一棵大樹，一邊有感而發。2018年9月， 颱風「山竹」襲港，將這棵樹幾乎吹斷一半。王教授最初心想大樹受此重創，也許「難逃一刧」，但它卻如奇蹟般存活下來；樹木應對惡劣天氣的韌力和復原能力，的確叫他驚喜不已! 事實上，隨著氣候轉變，極端天氣越趨頻密。為了監測這棵樹的穩定性，王教授在樹幹底部裝設了智能感應器，以便監察其傾斜角度。 這個安裝在樹上的感應器，是由以王教授為首的研究團隊研發，而且源自七年前一項由學生主導、運用遙感技術探測斜坡穩定性的專題研習項目。 土木工程研究生陳斌祥是王教授團隊的成員。他說：「身為工程師，我們要尋找一個可以準確評定樹木健康狀況的方法。透過研究一棵樹的物理數據，可以準確評估樹幹傾斜是否不可逆轉，並於必要時立即進行補救。」  2017年，香港特區政府主動接觸研究團隊，探討將遙感技術用於監測樹木的可行性。當時，市場上的傳統感應器無法符合樹木感應器的兩大基本要求：第一、數據傳輸不會受極端天氣干擾；第二、省電耐用。

香港科技大學（科大）的科研人員研發了一套嶄新的「智能發燒偵測系統」（SFSS），讓邊境口岸的檢疫人員能更易於識別有發燒徵狀的旅客。這套系統現被應用到多個邊境口岸、政府大樓和大學，以對抗新型冠狀肺炎病毒（Covid-19）。 自2003年沙士（嚴重急性呼吸系統綜合症）爆發後，熱成(thermal)圖像探測器獲廣泛使用到不同關口，以篩查有發燒徵狀的入境旅客。發燒是感染沙士、新冠肺炎及其他傳染病的重要病徵。不過，檢疫人員為了追蹤這些身體抱恙人士，往往需於彈指之間同時監看熱成圖像以及彩色影像(即閉路電視)兩個屏幕。 如今，一支由科大工業工程及決策分析學系蘇孝宇教授領導的跨領域研究團隊，利用人工智能、實時追踪以及大數據分析，設計了一個不僅能更準確地檢測臉部被遮擋的疑似發燒者，同時亦能將熱成圖像和彩色影像融合於同一屏幕的系統。在屏幕上，有發燒徵狀的不適人士會被標記於紅框內，系統亦會發出提示聲響，以協助檢疫人員作即時辨認，大大提升行動效率，守護公眾健康。 有別於一般運用紅外線鏡頭的發燒監測系統，這個以人工智能與深度學習為基礎的系統於人臉及熱感偵測方面都更為準確。此系統旨在於人海中追蹤及偵測疑似發燒人士，透過深度學習和人體測量學，系統能進行「視覺還原」*，即使被檢測人士正佩戴口罩並遭物件遮擋部分身體，仍能準確檢測。除此之外，由於系統依賴電腦運算而非靠肉眼判斷熱成圖像色差，並且會把距離及包括背景中熱力來源等環境因素的影響計算在內，檢測結果亦因而更為準確。另外，由於追蹤功能聚焦於臉部，檢測結果亦較難受個人身上高溫物件而影響，除非有關物件直接遮蓋該人士的臉部。     此系統建立於大數據分析的跨平台數據庫上，讓不同地區的裝置能夠組合成一個更大的網絡，從而可更容易追蹤到疑似發燒人士，但系統不會保留任何個人資料。透過大數據、深度學習和人類科學，這套系統亦具自我學習功能，能隨時間變得更為智能及準確。 研究團隊成員來自機械學習、生物工程及平行網絡等專業界別，當中包括來自科大電子及計算機工程學系的系主任施毅明教授與高級講師王啓新教授，以及計算機科學及工程學系助理教授陳启峰。

科大研究團隊與全球夥伴携手努力共同對抗COVID-19疫情

香港科技大學（科大）研究團隊研發出一種新型地理圍欄技術，為政府就新型冠狀病毒肺炎疫情推出的強制家居檢疫措施，提供更省時便捷的智能核心解決方案。 隨著新冠肺炎病毒於全球迅速蔓延，香港已對所有經海外入境的人士實施抵港後的檢疫安排。作為一個強制性措施，受隔離人士需透過即時通訊應用程式，定期向政府人員分享他們的實時位置，或接聽當局訊息中心的突擊來電。這安排不但令政府花費大量資源進行監控，亦為接受檢疫人士帶來不便。 為提升檢疫措施的成本效益，由科大計算機科學及工程學系兼創業中心主任陳雙幸教授領導的一支研究團隊，開發了一種自動化地理圍欄技術「Signature Home」。科大將有關技術的特許使用權授予一間初創公司「隨賞科技」，並透過該公司開發一個新手機應用程式「居安抗疫」。程式自上周(2020年3月14日)起獲公眾應用，以一個更節省資源及便捷的方式監控家庭檢疫。配合藍牙連接的電子手環，程式會準確檢測受檢疫人士有否遵守檢疫令，並會於有關人士違反檢疫令時通知有關當局。 地理圍欄技術「Signature Home」的主要原理是透過收集於某地方(如家居) 出現之不同種類的環境訊號，如Wi-Fi、藍牙、流動通訊網絡等，並將這些訊號群化成獨一無二、足以標籤該位置的「簽署認證」。如果監測當局收集到的訊號與這些「簽署認證」的訊號不同，即表示該受檢疫人士很可能已離開該特定位置。透過機器學習和數據分析持續收集並了解同一地方所收集到的一籃子訊號，「Signature Home」能適應不斷變化的家居環境，從而實現準確的家居檢疫監控。 陳雙幸教授表示：「我想感謝大學就本人研究及有關Signature Home技術於特許使用權方面的支持。透過技術開發、轉移及應用，科研的價值能在社會產生實際的影響。尤其是在這個關鍵而充滿挑戰的時刻，能將本港研發的技術回饋給我們的社會，這實在令我非常有成就感。」陳教授此前發明的另一種室內定位技術，現已透過隨賞科技被廣泛應用到大灣區的大型購物中心和醫院當中。

香港科技大學（科大）研究團隊研發一款新型多層次殺菌塗層 (MAP-1)，可有效殺滅病毒、細菌甚至極難被殺死的孢子。研究結果顯示，新殺菌塗層不僅能有效殺滅99.9%的麻疹、腮腺炎、風疹等高傳染性病毒，更可殺滅99.9%的貓杯狀病毒。貓杯狀病毒被視為檢測殺毒效果的指標，其抗藥性高於所有冠狀病毒，包括引發當前疫情的新型冠狀肺炎病毒（COVID-19）。 新塗層在九龍醫院和靈實胡平頤養院兩項臨床試驗中，均被證實對殺死抗藥性微生物細菌十分有效。在醫院的隔簾試驗中，耐藥性細菌數量於三周內降低了超過98.7%。除了醫院，研究團隊亦跟水務署和渠務署合作，在水管及下水道內壁測試新塗層，用以預防微生物污染及喉管鏽蝕。 新殺菌塗層由科大化學及生物工程學系兼環境及可持續發展學部楊經倫教授領導的團隊研發，塗層的功能多樣化，殺菌期最長可維持90天，為包括金屬、混凝土、木材、玻璃、塑料，以至織物、皮革及纖維等不同物料的表面提供長效消毒與抗菌保護，塗層亦不會改變物質的外觀及觸感。根據國家衛生健康委員會（衛健委）發佈的消毒技術標準，新塗層被證實對人體和環境無害，因此亦可被製成持久殺菌的搓手液、油漆、潔淨水與空氣的過濾網，以至衣服和即棄外科口罩等，有助提升個人及公眾衛生安全。 新塗層技術的原理是在物體表面形成殺菌膜。殺菌膜接觸到微生物的包膜和生物分子時會將之破壞，使之失去活性。該塗層亦能防止微生物在物體表面粘附，從而達至長效抗菌。塗層使用了一種特殊的抗菌聚合物，透過接觸殺滅和抗菌黏連等技術，可有效消滅99.9%的細菌和病毒，包括風疹、禽流感、流感如H1N1型，以及貓杯狀病毒等。貓杯狀病毒是一種無包膜病毒，被公認為最難殺滅的病毒之一。根據美國環境保護署2016年的指引，能有效殺滅貓杯狀病毒，等同有效殺滅冠狀病毒。因為後者屬於包膜病毒，在抗藥性上低於無包膜病毒。