在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。    本实验室与中国中医科学院合作进行中医临床数据仓库与挖掘分析平台，以及中医临床数据挖掘方法的研究，实现了对中医临床采集病历数数据的集成与整合，数据挖掘与分析的中医临床数据仓库及挖掘分析平台，该平台旨在支持从真实世界中医临床诊疗中产生海量科研分析用数据，并以真实、高质量的数据为基础进行中医临床与理论研究，为中医临床疗效评价、临床中药新药创制提供客观的医学证据和适宜的数据分析方法。该成果于2009年12月获得国家科技进步二等奖。   名老中医OLAP展示例子 1.2多维分析与复杂网络分析系统   以中医临床数据中症-证-治的复杂关系和复杂网络分析方法研究为出发点，开发实现了中医临床复杂网络分析系统。该系统包括如联机数据筛选、复杂网络建模、统计特性分析、可视化网络数据筛选等基本功能，能够支持中医临床诊疗数据中的疾病（中西医）、症状、证候、药物等实体内部元素以及实体之间元素的网络模型构建和多种复杂网络分析方法如节点中心性分析、社团分析、节点相似度分析等。从大量的临床数据中分析获得临床核心处方及其主要适应症，以及随症加减信息。该系统采用Eclipse 富客户端(Rich Client Platform, RCP)和Java语言开发（下图是该系统的主界面）。  在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。  获奖证书   1.中医临床数据仓库与挖掘分析平台 通过分析中医临床数据元素及其多维、多层次的关系特点，研究设计了中医临床参考信息模型，以及为基础构建中医临床数据仓库细节数据模型和多维数据模型，建立以数据仓库为核心的数据整合、数据抽取/转换/转载和数据整理、数据挖掘、OLAP和统计分析的智能信息处理平台。该平台以中医临床数据仓库及其运行环境工具的构建为基础，基于实际的临床诊疗数据，实现对中医诊疗数据进行多主题、多粒度、多需求、高效、快捷的展示、研究和查询检索，并支持基于Web的OLAP主题应用，为名老中医经验继承研究、中医临床评价研究和临床科研提供实际的诊疗数据证据和知识来源，以支持临床科研决策分析，满足中医临床评价研究的探索性分析需求。针对中医临床数据的特点，研究体现中医临床数据模型特点的数据挖掘新方法，为面向中医临床研究的数据挖掘和机器学习方法研究提供新的思路和研究方向。该平台的构建初期以重大慢性疾病：中风、冠心病和糖尿病诊治规律，以及名老中医经验传承研究为支持目标。   中医临床数据仓库平台   1.1中医临床数据预处理技术临床数据的预处理包括数据整合、数据整理和数据转换等技术，我们面向中医临床数据结构内容以及中医临床研究的分析需求，实现具有完善的数据抽取-转换-装载（Extraction-transforming-loading，ETL）、数据整理和数据转换导出功能的数据前处理软件。该软件针对医学数据利用中的分布式（多采集点）采集、患者隐私保护和大规模数据处理的特点，采用灵活的数据映射配置和临床术语库衔接等方式把各采集点数据导入到临床数据仓库中，并支持批量数据核查和数据规范整理（对临床数据中的术语性数据如症状体征、诊断和药物等进行概念化语义规范）功能。   在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。   名老中医OLAP展示例子    以中医临床数据中症-证-治的复杂关系和复杂网络分析方法研究为出发点，开发实现了中医临床复杂网络分析系统。该系统包括如联机数据筛选、复杂网络建模、统计特性分析、可视化网络数据筛选等基本功能，能够支持中医临床诊疗数据中的疾病（中西医）、症状、证候、药物等实体内部元素以及实体之间元素的网络模型构建和多种复杂网络分析方法如节点中心性分析、社团分析、节点相似度分析等。从大量的临床数据中分析获得临床核心处方及其主要适应症，以及随症加减信息。该系统采用Eclipse 富客户端(Rich Client Platform, RCP)和Java语言开发（下图是该系统的主界面）。     中医临床复杂网络分析系统  1.3 真实世界中医临床有效处方发现系统 中药新药创制与研发是极具挑战和机遇的领域，当前化学制药和单成份药物研发已经出现明显的瓶颈，传统植物/天然药以及多成份复方药物的研发成为国内外关注的焦点。而从多成份调控和多靶点机理的研究为主要视角的网络药理学更成为新的趋势和方法。针对中医临床诊疗过程中具有证-治-效信息，且个体性的真实世界诊疗实践特点，我们研究基于大规模临床诊疗数据进行有效处方分析和发现的问题，通过对以中药复方为重点的治疗手段药物组成原理的分析，基于复杂网络模型和方法研制形成了有效核心处方及适应症分析方法、有效临床中药筛选与发现系统，对基于真实世界临床诊疗数据分析获得有效处方知识的方法、技术平台和示范应用进行了探索和初步实践，初步表明从真实世界临床诊疗数据中发现和挖掘有效方药是一种可行的途径，有望为中医新药创制提供可以验证的新处方、新药物等临床有效目标药物。     1.  中医临床数据挖掘分析方法 海量观察型临床数据是中医辨证论治数据的主体内容，具有复杂、多维和多关系的特点。从大规模中医临床观察数据中分析提炼形成有意义的临床假设或诊疗知识如有效处方、人群划分、药症关系以及多阶段优化治疗方案等，是实现从复杂、系统的中医辨证论治过程中发现并确认有效优化的临床诊疗处方及其药物组成的基本方法。中医临床数据包括门诊数据和住院数据两大主要部分，其数据内容由临床表现、诊断和治疗（临床疗法）三部分核心内容（如下图），其中辨证知识、证候分布、药症关系、方证关系和药物组成等是数据挖掘和分析的主要目标，而所有这些知识的有效性的评价依据是临床疗效，即确认和发现临床有效的中医诊疗知识是中医临床数据挖掘分析方法的主要有价值研究目标。    中医临床数据挖掘问题：在疗效信息的约束下，验证和发现有价值的临床诊断/治疗关系知识。  2.1基于复杂网络的中药配伍分析方法 人们通过对中医临床处方数据的初期分析，并与临床专家的交流中发现，名老中医的临床复方的组织特性体现在两个层次。第一层次为临床医生一般以经典复方（包括经方、时方和验方等）为基础进行临床处方；第二层次为在药对或药症关系基础上的药物随症加减处理。这两个层次的临床处方配伍过程形成了具有核心处方结构，而又具有较大灵活性的处方集合。因此，通过对名老中医处方集的共性网络结构分析，能够发现体现其处方思维和学术特点的核心处方配伍结构，从而辅助进行名老中医经验的传承和整理研究。通过应用基于无尺度网络现象的网络分析方法进行研究。无尺度网络作为复杂系统研究的一种实证现象和方法，对基于网络研究复杂现象和复杂系统的方法具有很大的推动作用。具有宏观无尺度现象的网络在拓扑上存在幂律现象，即节点的度分布服从幂函数分布。这在医生处方中的具体体现就是某医生对药物的使用具有比较集中的趋势，某些名老中医偏好使用某些药物，使得这些药物的已有或潜在功效得到更大的发挥或挖掘。 我们基于网络中权值的幂律分布规律，实现了多层核心子网分析方法，能够从复杂的中药配伍网络中抽取多层核心子网。该算法已经在名老中医处方配伍经验的分析中得到广泛应用。其得到的结果具有直接而明确的临床含义，且可靠性较强。第一层核心子药物子网一般解释为共性的核心处方；第二层解释为主要药物配伍；第三层解释为次要药物配伍。这些药物配伍分别对应样本的核心病机如主要疾病和主要证候等、兼证和加减症状等。以下是两类特定中药处方：1287个肝脾不调证(GPBT)处方和752个2型糖尿病合并代谢综合征处方的分析结果。   特定中药处方的核心药物配伍网络和主要加减网络，其中的网络中的节点是药物，边的权重表示两相关药物配伍使用的次数。 2.2基于隐主题模型的疾病人群临床特征类别分析方法 症状-中药-诊断主题模型（Symptom-Herb-Diagnosis Topic model，SHDT), 用来提取中医临床数据中的症状、中药和诊断间的隐主题结构。SHDT模型是LDA主题模型在多关系应用中的扩展。该模型的核心思想是假设一类样本里面包含有多个主题，例如，一类糖尿病人群有不同的并发症，且这些主题所包含的信息特征（以症状来表达）具有相对完整性和独立性。SHDT把每个主题看作是症状上的多项式分布，并通过症状来表达主题的内容；同时，把每种中药看作是主题上的多项式分布，因为一类中药可以治愈多种症状/疾病；又因为一种诊断包含多种症状/疾病，于是把诊断看作是对主题的描述，构建一种“症状-中药-诊断”主题模型。SHDT模型这种分析原理和思路与中医辨证论治过程基本吻合，它可以客观地按照症状找到自然分类人群，给出诊断描述特征和中药治疗特征。SHDT模型分别在2型糖尿病、冠心病和肝炎等慢性疾病中进行人群特征分析。实验结果说明了该模型具有较好的适宜性和科学性，分析结果能够较为完整的反映特定疾病中相关的主要人群特征类别。   症状-中药-诊断主题模型，图中三个黑色圆圈，代表显变量（观察变量），其中s 表示一个采样症状，表示患者p的所有药，表示患者p的所有诊断。白色圆圈代表隐变量，其中z 采样症状s对应的主题，x表示s对应的药，u表示s对应的诊断。矩形框表示重复采样。外部矩形框表示在集合中有P个患者。内部矩形框表示对患者p的个症状、主题、药物以及诊断重复采样。 2.3基于内隐对照和部分可观察马尔可夫决策过程模型的动态序贯处方治疗方案优化方法 中医辨证论治是症-治-效紧密相关的个体、动态的复杂干预过程，动态序贯干预是中医临床治疗慢性疾病的基本方法。以患者为轴心的治疗原则和医生的个体性特点，使得中医动态序贯干预过程中包含多样化的治疗方案。在临床诊疗经验知识的形成阶段，医生往往通过对治疗前后患者健康状态的判断，试图获得较好的治疗方案的认识，进而逐步形成固化的有效经验性治疗方案。因此，在无外部对照的情况下，如何从大规模的复杂多维临床关系数据中发现并确认在临床实际中较优的动态序贯诊疗方案是有效临床方案形成的重要课题。 考虑到实际可行性和研究代价的问题，在未有明确的有效干预方案形成的临床研究初期，无外部对照的传统中医经验整理和归纳普遍存在，且长期的中医学实践表明是有效的。但由于临床诊疗信息关系的复杂性，基于传统经验整理方式形成有效治疗方案是一个较为漫长的过程。 因此，如何借助源自真实世界（无外部对照）的大规模临床观察数据，进行挖掘分析，以辅助发现和确认较优的临床治疗方案成为辨证论治临床评价研究的关键问题之一。我们采用部分可观察马尔可夫决策过程模型(POMDP)对此问题进行研究，实现了基于POMDP的中医临床处方优化分析方法，以探寻从来自临床实际的大规模观察性临床数据中发现较优或最优的动态序贯治疗方案，为中医辨证论治有效动态干预方案的形成和临床验证提供参考知识。   中医临床诊疗过程对应的POMDP模型 1.  成果的推广应用 本成果已经在国家科技重大专项：重大传染病防治、重大新药创制等两个项目；国家科技支撑计划项目-名老中医经验传承研究；北京市科技攻关项目和国家中医临床研究基地等项目中进行推广应用。分别对艾滋病、肝炎和肺结核等传染病的中医药防治规律，从中医临床中分析确认有效处方与药物，名老中医的辨证论治个体诊疗经验，中风、冠心病和糖尿病等重大慢性疾病的临床诊治规律，以及全国10余家重点中医院诊疗优势病种（如上海龙华医院的中医胃癌治疗、骨关节病治疗；河南中医学院一附院的中医艾滋病治疗、中医慢性阻塞性肺炎治疗等）的临床诊疗优化方案等进行应用研究。逐步探索和完善中医临床科研一体化技术体系，支持基于临床诊疗实践及其真实世界诊疗数据，进行中医临床研究和中药新药创制研究的医学模式。   北京地区22家单位应用分布图

湖北医药学院药护学院是经国家教育部批准、湖北省唯一独立设置的医学本科独立学院(教发函[2004]12号)。学院地处中国汽车城——湖北省十堰市中心，占地面积近800亩，与湖北医药学院连为一体，校园环境优美，学术氛围浓厚，徜徉其中，既感医学之神圣，又沐人文之灵气，是求学深造的理想之地。举办高校——湖北医药学院始建于1965年，其前身为武汉医学院郧阳分院，1994年经原国家教委批准，成为独立设置的普通本科高等院校;1995年开始联合招收培养硕士研究生;2006年在国家教育部组织的本科教学工作水平评估中，获得优秀结论;2008年增列为硕士点立项建设单位;2010年，学院被评为“全国先进独立学院”;2011年，学院党委被十堰市委授予“先进基层党组织”荣誉称号;2011年学生资助中心获得“湖北省生源地贷款先进单位”荣誉称号;2012年，学院教工第一党支部被湖北省高校工委、教育厅授予“2011年度高校两访两创活动先进集体”荣誉称号;2012年团委被评为“湖北省高校思想政治教育工作先进基层单位”称号;2013年，学生事务部荣获“湖北省高校思想政治教育工作先进基层单位”称号;2015年，学院荣获“2015中国独立学院50强”称号。2016年，学院在“2016湖北最具影响力民办高校评选”中居第三位，也是唯一入围前十的地市州独立学院。 师资力量雄厚。2018/2019学年初，学生总数6848人，其中本科生6003人，专科生845人。学院现有教职工566人，专任教师433人，外聘教师133人。专任教师中，具有高级职称教师171人，占专任教师总数39%，中级职称教师186人，占专任教师总数的43%;初级职称教师52人，占专任教师总数的12%。专任教师中具有硕士研究生以上学位人员385人，占专任教师总数的89%。35岁以下教师146人，占专任教师总数的34%;36-55岁教师280人，占专任教师总数的65%;55岁以上教师7人，占专任教师总数的2%。近年来，在举办高校的大力支持下，在资源共享的基础上，学院坚持“精干高效、合理配备”的原则，走专兼结合、以专为主之路，大力引进人才，不断扩大师资队伍规模，母体学校委派教师队伍保持相对稳定，教师的学历、年龄结构更趋合理。 教学资源丰富。学院专业设置比较齐全，以本教育为主，适度保留专科教育，积极探索发展研究生教育。现开设有五年制临床医学、麻醉学和四年制护理学、医学检验技术、药学、康复治疗学、医学影像技术、公共事业管理、制药工程、信息资源管理、软件工程、等12个本科专业。学院还开设有护理、药学、医学检验技术和康复治疗技术等5个专科专业。2010年，学院本科专业全部通过了湖北省省教育厅组织的本科教学合格评估;2012年，经湖北省学位委员会审核批准为学士学位授权单位，本科专业均获得学士学位评审授权，可授医学学士、理学学士和管理学学士学位。学院与举办高校共享优质教学资源，并自建有专业实验室、语音室、微机室、形体训练室、多媒体教室，现代化综合教学楼已投入使用，学校建有省级“生物(医学)基础实验”和“临床技能培训”两个省级实验教学示范中心。拥有分子生物学、电生理、生殖医学、器官移植等23个科研所(室)，其中，“胚胎干细胞研究”实验室是湖北省重点实验室，所有教学资源能很好地满足专业教学的需要。 学生培养突出技能。药护学院成立以来，不断探索人才培养目标，坚持以就业为导向，“素质为本、能力为重”教育理念，按照“以发展为宗旨，以活动为平台、以项目为依托、以竞赛为导向、以成才为目标”的新运行机制，大力开展以提高学生专业学习能力和促进学生全面发展为核心目的的校园文化活动，使“常规活动制度化、零散活动系列化、传统活动创新化、大型活动主题化”，致力于培养“品德优良、基础扎实、技能突出、富有特色、勇于创新”应用型技能型医药卫生人才。学生毕业由我院颁发国家承认的普通本、专科毕业证书。符合学士学位授予条例的学生由湖北医药学院药护学院授予学士学位。 实习就业相得益彰。学院现有十堰市太和医院、十堰市人民医院、东风公司总医院、襄阳市第一人民医院、随州市中心医院、安康市中心医院等6所附属教学医院，共有10800张开放床位。药护学院附属医院——深圳市坪山新区人民医院、临床学院--丹江口市第一医院正在筹建之中。各教学医院管理规范，师资力量雄厚，医疗设备先进，专业教学设备齐全，可满足各专业临床教学需要。同时学院还在上海、广州、深圳、武汉、成都等一线城市建有临床实习医院51家，如上海市东方医院、广东省人民医院、南方医科大学南方医院、北京大学深圳医院、湖北省人民医院、广州军区武汉总医院、重庆三军医大附属西南医院等。学生就业多面向全国大型三级甲等综合医院，毕业生就业形势保持良好态势，多年来毕业生就业率都在90%以上，考研上线率为20%。 国际交流凸显特色。学院结合国际形势，积极开展国际交流活动。学院开展护理学生赴澳留学、赴英国带薪实习、赴菲律宾留学、赴美攻读学士和硕士学位等国际合作项目，培养精通英语、熟练掌握临床护理技能、具有较强国际竞争力和良好身心素质的高级护理人才，为学生提供国外深造与就业机会。 药护学院将继续高扬“追筑梦想、跨越巅峰”的精神，加快发展步伐，深入推进改革创新，努力提高办学水平，为创建我国医疗卫生领域知名的医学独立学院而努力奋斗。

氟气是一种重要的含氟资源。由电解氟化氢制备。在工业上有非常重要的用途。 已完成 氟气制备多种含氟化学品和氟化试剂的制备研究，几个产品已应用于生产中。本项目成本底， 门槛高，安全系数高，完全环保，利润空间大，产品市场大。

产品详细介绍中谷机械设备（郑州）有限公司提供给您大量郑州液体取样器，郑州医药取样器，食品取样器，同时您可以免费提供一个完整的取样解决方案，以满足您的需求，产品应用范围广泛，如还不能满足您的具体要求，还可以按照您的要求具体定做一、产品简介    简单，快速，易于使用。我们最畅销的液体取样器是快速采取大多数液体样本的最佳选择。方便快捷地拆卸下来清洗。 可用于单点和横断面样本的取样。  二、应用范围    卫生医药,食品,化工,化妆品等行业符合药品行业GMP认证，所以该产品很适合应用于卫生医药等行业。与被取样品接触部分的材质是：316不锈钢或PTFE 和硅橡胶。产品结实耐用，适合在很多工业行业内使用，包括：制药业，食品行业，化工行业，化妆品等通用工业.三、主要特点     单点取样    横断面样本取样316不锈钢，食品级聚四氟乙烯或聚丙烯材料可选产品:取样器 粮食取样器 电动取样器 扦样器 电动扦样器 粮食扦样器 分层取样器 粉末颗粒取样器 窗口关闭式取样器 医药取样器 化工原料取样器 液体取样器 油桶取样管 油桶取样器 底部取样器  槽车取样器电话:0371-55510982       传真: 0371-68210665      网址:http://www.zgqyq.net 手机：18939565296信箱:zg2588@163.com详细资料,敬请登录中谷机械设备公司以下网站: http://www.zgqyq.net      中谷机械设备（郑州）有限公司更多产品：电动取样器http://www.zgqyq.net/1-1.html 吸式扦样器http://www.zgqyq.net/2-2.html粮食扦样器http://www.zgqyq.net/3-1.html粮食深层扦样器http://www.zgqyq.net/3-2.html取样器http://www.zgqyq.net/5-1.html不锈钢取样器http://www.zgqyq.net/5-2.html双管取样器http://www.zgqyq.net/6-1.html 粉末颗粒取样器http://www.zgqyq.net/6-3.html 末端封闭式取样器http://www.zgqyq.net/6-6.html液体取样器http://www.zgqyq.net/7-2.html油桶取样器http://www.zgqyq.net/7-9.html散粮车取样器http://www.zgqyq.net/8-1.html全自动取样器http://www.zgqyq.net/9-1.html

产品详细介绍中谷机械设备（郑州）有限公司提供给您大量郑州医药取样器，郑州药粉取样器，药液取样器，同时您可以免费提供一个完整的取样解决方案，以满足您的需求，产品应用范围广泛，如还不能满足您的具体要求，还可以按照您的要求具体定做 一、产品简介    医药取样器 药粉取样器为：316不锈钢，直径32/25/22/19/MM可选，长度300-3000MM，适用于食品、医药、环保、石油、化工、科研等部门粉末、小晶体等固体产品的取样。  二、使用说明   使用前应检查取样器是否清洗，并将内管插入外管中。 采取样品时，将取样器槽孔关闭插入物料，到达指定深度后使槽口打开物料进入取样器中，关闭槽孔后小心的将取样器抽回，将取样器中的物料倒入样品容器内。 将用取样器擦拭干净，完成取样产品:取样器 粮食取样器 电动取样器 扦样器 电动扦样器 粮食扦样器 分层取样器 粉末颗粒取样器 窗口关闭式取样器 医药取样器 化工原料取样器 液体取样器 油桶取样管 油桶取样器 底部取样器  槽车取样器电话:0371-55510982       传真: 0371-68210665     网址:http://www.zgqyq.net 手机：18939565296信箱:zg2588@163.com详细资料,敬请登录中谷机械设备公司以下网站: http://www.zgqyq.net中谷机械设备（郑州）有限公司更多产品：电动取样器http://www.zgqyq.net/1-1.html 吸式扦样器http://www.zgqyq.net/2-2.html粮食扦样器http://www.zgqyq.net/3-1.html粮食深层扦样器http://www.zgqyq.net/3-2.html取样器http://www.zgqyq.net/5-1.html不锈钢取样器http://www.zgqyq.net/5-2.html双管取样器http://www.zgqyq.net/6-1.html 粉末颗粒取样器http://www.zgqyq.net/6-3.html 末端封闭式取样器http://www.zgqyq.net/6-6.html液体取样器http://www.zgqyq.net/7-2.html油桶取样器http://www.zgqyq.net/7-9.html散粮车取样器http://www.zgqyq.net/8-1.html全自动取样器http://www.zgqyq.net/9-1.html

XM-631A头面及颈部血管神经分布模型（带数字标识）   XM-631A带数字标识头面及颈部血管神经分布模型由3部分组成，显示头部主要神经，筛板、视神经、动眼神经、滑车神经、展神经、三叉神经、三叉神经节、眼神经、额神经、眶上神经、滑车上神经、泪腺神经、鼻睫神经、睫状神经节、上颌神经、眶下神经、翼腭神经、上牙槽神经、上牙神经丛、下颌神经、颊神经、下牙槽神经、下牙神经丛、颏神经、舌神经、耳颞神经、颞深神经、鼓索、耳大神经、翼腭神经节、岩大神经、岩深神经、腭大小神经等，并且展示了颈部的肌肉和主要动静脉的解剖，共有多个部位数字指示标志和对应的文字说明。 尺寸：自然大 材质：PVC材料

XM-638颜面浅层肌肉神经血管模型   XM-638颜面浅层肌肉神经血管模型显示表情肌及颈部浅层肌肉，头面颈部浅层神经及血管，表情肌主要显示眼轮匝肌、鼻部肌肉、口轮匝肌等，面部的神经主要显示面神经在面部的分支、颞支、颊支、下颌缘支以及眶上神经、耳颞神经、枕大神经、耳大神经，面部的血管主要示颞浅动静脉、颈解浅静脉、面动静脉、枕动脉等。 尺寸：自然大，25×25×6cm 材质：PVC材料

XM-429眼球与眼眶附血管神经放大模型   XM-429眼球与眼眶附血管神经放大模型可拆分为10部件，由眼眶、眼球壁、巩膜、脉络膜和视网膜、玻璃体、眼球外肌以及眼眶壁和鼻甲等组成，显示眼（包括眼球壁和内容物）、眼副器（包括眼睑、结膜、泪器和眼球外肌）以及眼的血管和神经等结构。 尺寸：放大，28×32×41.5cm 材质：PVC材料

XM-320足肌附主要血管神经模型   XM-320足肌附主要血管神经模型由足肌、趾长伸肌、腓肠肌、屈肌支持带、足母短屈肌、足母收肌斜头、小趾展肌、趾短屈肌、足底方肌等9部件组成，展示了人体足的骨骼、肌肉、韧带神经、血管等解剖结构，并且可以将足底腱膜和短屈肌等拆下，看到复杂的足底肌肉、肌腱和神经网络，共有81个部位数字指示标志及对应文字说明。 尺寸：自然大，20×9×33cm 材质：PVC材料