|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺
.jpg){kind=logo}
新冠肺炎的死者的臨床特征研究
2020年3月26日，華中科技大學(xué)同濟(jì)醫(yī)學(xué)院寧琴團(tuán)隊在國際頂級醫(yī)學(xué)期刊BMJ 發(fā)表題為“Clinical characteristics of 113 deceased patients with coronavirus disease 2019: retrospective study”的研究成果，該研究對死者和已確診COVID-19的患者進(jìn)行了綜合評估，該研究的目的是描述covid-19死亡患者的臨床特征。 該研究發(fā)現(xiàn)，死者的中位年齡（68歲）顯著大于康復(fù)者（51歲），死者中男性占主導(dǎo)地位。死者中的慢性高血壓和其他心血管合并癥比康復(fù)者更為頻繁。死者的呼吸困難，胸悶和意識障礙比康復(fù)的患者更常見。死者從疾病發(fā)作到死亡的中位時間為16天。死者的丙氨酸氨基轉(zhuǎn)移酶，天冬氨酸氨基轉(zhuǎn)移酶，肌酐，肌酸激酶，乳酸脫氫酶，心肌肌鈣蛋白I，N端腦鈉肽和D-二聚體的濃度顯著高于康復(fù)患者。死者中觀察到的常見并發(fā)癥包括急性呼吸窘迫綜合征，I型呼吸衰竭，敗血癥，急性心臟損傷，心力衰竭，堿中毒，高鉀血癥，急性腎損傷和低氧性腦病。患有心血管合并癥的患者更容易出現(xiàn)心臟并發(fā)癥。無論心血管疾病的病史如何，死者的急性心臟損傷和心力衰竭更為常見。總而言之，嚴(yán)重的SARS-Cov-2感染可引起肺部和全身炎癥，導(dǎo)致高危患者多器官功能障礙。急性呼吸窘迫綜合征和呼吸衰竭，敗血癥，急性心臟損傷和心力衰竭是covid-19惡化期間最常見的關(guān)鍵并發(fā)癥。查看原文
華中科技大學(xué)
2021-04-10
.jpg){kind=logo}
關(guān)于納米激光器輻射特征的研究
高性能納米激光器，使用漏輻射顯微成像技術(shù)，通過動量匹配的方法將納米激光器的表面等離激元暗輻射耦合到遠(yuǎn)場，實現(xiàn)了實空間、動量空間和頻譜空間的直接成像，首次揭示納米激光器的輻射能量可以百分之百耦合到傳播模式的表面等離激元。該工作確認(rèn)了納米激光器與傳統(tǒng)激光器本質(zhì)區(qū)別，為對納米激光器進(jìn)行進(jìn)一步操控和應(yīng)用奠定了基礎(chǔ)。
北京大學(xué)
2021-04-11
.jpg){kind=logo}
基于多級混合特征的人臉檢測系統(tǒng)（產(chǎn)品）
成果簡介：人臉檢測是人臉識別應(yīng)用的重要前提。本系統(tǒng)采用多級混合特征 匹配的技術(shù)，研發(fā)出一種視頻監(jiān)控的人臉檢測系統(tǒng)。在各種重要的公共場所，如廣場，車站，會場，體育場等安全監(jiān)控中具有重要的應(yīng)用。 項目來源：自主研發(fā)。 技術(shù)領(lǐng)域：計算機(jī)應(yīng)用技術(shù)，人工智能與模式識別。 應(yīng)用范圍：在廣場，車站，會場，體育場等安全監(jiān)控中的人臉識別，身份驗 證等公共場所的視頻安全監(jiān)控中具有重要的應(yīng)用。 現(xiàn)
北京理工大學(xué)
2021-04-14
州大學(xué).jpg){kind=logo}
地質(zhì)雷達(dá)特征圖譜模擬標(biāo)定試驗箱
通過陶土、混凝土、鋼質(zhì)、砂漿、粘土、孔穴、巖石等多種介質(zhì)組合體模擬隱蔽部位構(gòu)造組成，構(gòu)建常見目標(biāo)體的特征圖譜庫，增加探地雷達(dá)圖譜解釋的準(zhǔn)確性、真實性和可靠性。
揚(yáng)州大學(xué)
2021-04-14
基于人員特征的火災(zāi)疏散路徑導(dǎo)航方法
本發(fā)明公開了一種基于人員特征的火災(zāi)疏散路徑導(dǎo)航方法，包括以下步驟：步驟一、通過火災(zāi)探測器獲取火勢信息，計算每條路徑可用于逃生的有效時間范圍；步驟二、利用 RFID 讀寫器讀取人員標(biāo)簽信息，定位人員位置信息，并根據(jù)獲取到的人員標(biāo)簽信息和人員位置信息進(jìn)行人員疏散速度分類；步驟三、對于不同速度的人員，通過最短路徑優(yōu)先算法來為其計算疏散路徑信息，包括從初始位置到出口結(jié)點 D 的最短路徑長度值以及路徑上的所有結(jié)點；步驟四、將所述最短路徑長度值以及該路徑上的所有結(jié)點發(fā)送給待疏散人員。本發(fā)明可以有效地提高路徑的利用率。
華中科技大學(xué)
2021-04-11
.jpg){kind=logo}
過模擬生物受體的空腔特征，合成了一對空腔內(nèi)具有氫鍵位點的手性大環(huán)主體
手性分子識別是生命功能的基礎(chǔ)，這源于生物受體對手性底物的高選擇性識別。但對于合成受體來說，水相手性識別仍然是一個巨大的挑戰(zhàn)。該課題組通過模擬生物受體的空腔特征，合成了一對空腔內(nèi)具有氫鍵位點的手性大環(huán)主體（圖1）。該大環(huán)主體在水中實現(xiàn)了手性分子的選擇性識別。同時，該大環(huán)主體也可用于非手性環(huán)境污染物—二惡烷的光譜檢測和手性化合物ee值的光譜測定。
南方科技大學(xué)
2021-04-14
生物組織攤片烤片機(jī)
1.微電腦控制,中文界面,液晶顯示,觸摸鍵操作,簡潔、直觀、方便。全程電腦自動控制，開機(jī)自動加熱并恒溫。2.分?jǐn)偲⒖酒⒑嫫齻€功能區(qū)。3.溫度控制：0-99 ℃預(yù)設(shè)，恒溫精度±１℃
孝感奧華醫(yī)療科技有限公司
2025-01-21
.jpg){kind=logo}
新冠肺炎確診病例的CT特征研究
2020年1月31日，蘭州大學(xué)第一醫(yī)院2019-nCoV研究團(tuán)隊在國際放射學(xué)首位期刊Radiology（IF 7.608）發(fā)布了學(xué)術(shù)成果：2019-nCoV確診病例的CT特征；同步推送全球放射醫(yī)師，關(guān)注新型冠狀病毒肺炎的CT影像學(xué)表現(xiàn)。2019-nCoV科研攻關(guān)專家組組長、蘭州大學(xué)第一醫(yī)院院長李汛教授正在帶領(lǐng)科研團(tuán)隊，緊密圍繞2019-nCoV流行病學(xué)特點、快速診斷技術(shù)、診療模式、中藥防殺與治療、防控體系構(gòu)建與感控指南建立、消毒與廢物處理六個方面進(jìn)行全方位研究。醫(yī)院第1例病例確診后，雷軍強(qiáng)教授作為第一作者將其典型的影像學(xué)特征在國際頂級放射期刊報道，助力抗擊新冠病毒肺炎工作的進(jìn)行。 蘭州大學(xué)第一醫(yī)院院長助理祁小龍教授、雷軍強(qiáng)教授及其放射科團(tuán)隊將圍繞“基于智能影像技術(shù)的重大公共衛(wèi)生事件防控體系構(gòu)建”開展科研攻關(guān)，緊密配合一線醫(yī)護(hù)團(tuán)隊開展2019-nCoV疫情的早篩、早隔、早診和早治。
蘭州大學(xué)
2021-04-10
全球變暖下極端降雨響應(yīng)的區(qū)域特征研究
極端降雨天氣常導(dǎo)致洪澇和泥石流等重大氣象災(zāi)害，給人身安全、社會經(jīng)濟(jì)和生態(tài)環(huán)境帶來極大影響。近年來在全球暖化的氣候背景下，全球范圍內(nèi)很多區(qū)域的強(qiáng)降雨等極端天氣的發(fā)生概率或強(qiáng)度也顯著增加，對社會的災(zāi)害應(yīng)對能力提出了嚴(yán)峻的挑戰(zhàn)。極端降雨的氣候響應(yīng)有著很強(qiáng)的區(qū)域特征（圖1），理解這些區(qū)域特征至關(guān)重要。 研究使用一種新穎的分析方法將極端降雨氣候響應(yīng)分解為干動力學(xué)部分（大尺度擾動強(qiáng)迫）和濕動力學(xué)部分（小尺度對流的潛熱反饋），并且通過一個理論模型將干/濕動力學(xué)耦合起來。對多模式模擬結(jié)果的集成診斷分析發(fā)現(xiàn)：干動力部分在低緯度地區(qū)顯著減弱、在中高緯度地區(qū)增強(qiáng)；濕動力部分則是低緯度增強(qiáng)，隨著緯度的增加增幅減小。研究進(jìn)一步為濕動力學(xué)部分構(gòu)建了一個理論模型，使用一個簡單的方程揭示了潛熱反饋和大氣水汽之間強(qiáng)的非線性關(guān)系。此理論模型很好的解釋了全球增暖下大氣水汽的增多和靜力穩(wěn)定度的變化導(dǎo)致的極端降雨中對流潛熱反饋的變化（圖2）。研究結(jié)果為極端降雨氣候響應(yīng)的區(qū)域特征提供了定量直觀的解釋，系統(tǒng)闡明了造成極端降雨氣候響應(yīng)分布特征的機(jī)制，有助于改進(jìn)極端降雨的氣候預(yù)測。
北京大學(xué)
2021-04-11
一種多物理域特征信息融合方法
本發(fā)明公開了一種多物理域特征信息融合方法，包括：（1）通過測量工具獲取工程事件中所需要的先驗信息，去除其中的冗余信息，獲得優(yōu)化的特征信息集；（2）將優(yōu)化的特征信息集中的每個特征信息值 Xi 轉(zhuǎn)換成區(qū)間形式；（3）求取廣義隱馬爾科夫初始模型；（4）根據(jù)獲得的廣義隱馬爾科夫初始模型λ，獲取最優(yōu)模型；（5）求得每個單物理域的最優(yōu)的廣義隱馬爾科夫模型，再各單物理域最優(yōu)模型參數(shù)間的耦合關(guān)系，合成聯(lián)合的廣義區(qū)間后驗概率分布，完成獲得多物理域特征信息融合。本發(fā)明的方法通過廣義貝葉斯法則
華中科技大學(xué)
2021-01-12