医学院、教学医院里的临床技能实训中心用于整个中心信息化管理、人员管理、财产管理、教学活动管理、考核管理等。对整个中心数据进行采集、分析、处理等。

该项目通过建立四种不同致病因素（包括博来霉素、百草枯、二氧化硅和脂多糖加香烟提取物）诱导的肺纤维化动物模型，实验结果表明多西环素可明显降低肺纤维化模型动物的肺系数，改善肺组织纤维化程度，降低肺纤维化病理评分及肺组织中胶原的含量，降低慢性炎症介导的肺纤维化模型小鼠血清中炎症因子 TNF-α、TGF-β1、IL-4 的含量，增加 IFN-γ的含量。除此之外，多西环素还可以增加肺纤维化模型小鼠的体重，改善模型小鼠的生存状态，显示出多西环素对肺纤维化具有很好的治疗效果，且毒性和副作用均较低。 课题组研究发现多西环素可通过抑制气道和肺上皮细胞转录因子 Twist1, Snail, Slug 和间质细胞标记物 Vimentin 的表达，并增加E-cadherin 的表达，从而使上皮细胞维持其原有极性和紧密连接，抑制细胞骨架重塑，从而抑制其向肌成纤维细胞的转变和活化，减少细胞外基质的分泌及其在肺间质的过度沉积，进而抑制肺纤维化的病理过程。本项目药理机制有一定的深入研究，已申请了专利（专利号201410514986.4）并完成临床前实验，获得了临床试验批件（批件号：2017L01323） 技术创新点： 1）目前肺纤维化上市药物疗效不甚理想，急需开发新型有效药物， 多西环素在临床前研究中表现出良好的抗肺纤维化效果，开发潜力很大。 2）多西环素本身即为抗生素，可达到抗感染、抗炎与抗组织纤维化的多重功效。 3）与其他治疗肺纤维化药物相比，多西环素毒副作用低，患者依从性好。 4）该类化合物合成方便，生产工艺成熟，可快速的投入生产并获得高效制剂。 市场应用前景： 近年来肺纤维化的发病率不高（8/10 万人），但一直呈现上升趋势。肺纤维化患者从出现呼吸道症状到呼吸窘迫死亡的中位生存时间仅为 28.2 个月，从诊断建立到死亡的平均生存时间为 3.2～5 年，肺纤维化 5 年病死率超过 40%，其自然缓解相当罕见(<1%)，甚至比某些恶性肿瘤死亡率还高。从这些数据可以看出，肺纤维化已经给我国人民的生命健康造成严重的不良影响。目前治疗肺纤维化的上市药物仅有吡非尼酮和尼达尼布两种，吡非尼酮 2015 年全球销售额为5.63 亿美元，2016 年第一季度该药销售额为 1.78 亿美元。尼达尼布于 2015 年被纳入 ATS/ERS/JRS/ALAT 特发性肺纤维化诊治国际循证指南的推荐用药，当年销售额达 3 亿欧元，2016 年尼达尼布的销售额翻倍达到 6.13 亿欧元，2017 年上半年达到 4.29 亿欧元。这两种药物都是由国外研发销售，目前国内临床上需要开发疗效佳、安全性较好、自主知识产权的治疗肺纤维化药物，因此盐酸多西环素市场前景良好。 合作方式及条件： 希望进行专利转让，或者与投资者共同开发，申报临床试验批件，并进行临床研究。 已获得的知识产权： 多西环素的应用（治疗肺纤维化）（专利号：201410514986.4 ） 本项目已获得新药临床批件，批件号码为 2017L01323。

本发明公开了一种保留已有路网数据并利用OSM数据进行路网扩展的方法，该方法能够让用户自定义需要扩展的路网区域，并快速地将用户需要扩展的路网范围连接到原有网络中，同时保留了原路网的数据信息，最终得到利用OSM数据进行扩展后的路网数据文件。在实际工作中，用户会遇到需要在已有路网基础上扩大研究范围的情况，本发明由用户自定义选择需要扩展的路网范围，自动从OSM数据中提取扩展路网信息后与已有路网数据进行合并，保留了原有用户已经维护好的路网信息，节省了人工逐条添加路段和对扩展后路网进行重复校核的人力和时间成本，同时提高了扩展路网的准确性。

本发明公开了一种用于大数据处理系统的内存数据集置换系统， 包括分析模块、信息监测模块、决策模块。分析模块用于对上层用户 程序进行逻辑分析，得出各运算阶段中生成内存数据集时的运算步骤 集合；信息监测模块用于对运行中的用户程序进行监测，并收集生成 内存数据集时的信息提交给决策模块；决策模块用于对收集到的信息 进行分析和排序，判断当前阶段是否需要对系统中的内存数据集进行 置换，在系统需要进行置换时确定需要移除的内存数据集并

成纤维细胞生长因子(FGF)调节人体发育的过程,以旁分泌或内分泌的方式调控血管形成,损伤修复,胚胎发育和代谢调控等一系列重要生理病理过程.FGF用于烧伤创面及慢性溃疡创面治疗已经有新药上市应用.最近发现的以内分泌方式调控胆汁酸,葡萄糖和磷酸盐平衡的FGF19亚家族将拓展FGF家族的新功能.综述FGF在创伤修复,糖尿病,低磷血症等疾病治疗中的应用,以及FGF受体抑制剂作为抗肿瘤药物的研究进展,探讨FGF在中国的基础与应用研究进展.

神 经 肌 肉 电 刺 激 ( N M E S ) 包 括 功 能 性 电 刺 激 （ F E S ） 和 经 皮 神 经 电 刺 激 （TENS）两种。

乳腺癌是女性健康的“头号杀手”。最新调查数据显示，平均每3分钟世界上就有一位妇女被诊断为乳腺癌，我国女性乳腺癌的发病率和死亡率也是逐年上升，目前已位居女性恶性肿瘤发病率之首。其中，雌激素受体（ER）、孕激素受体（PR）和原癌基因Her-2均为阴性的三阴性乳腺癌（TNBC），是一种高危型乳腺癌，具有独特的临床病理和分子特征，转移性强、患者预后较差，其对内分泌治疗不敏感，尚无有效治疗药物。课题组新发现孤儿核受体Nur77在三阴性乳腺癌中具有重要的作用，是一个治疗三阴性乳腺癌药物开发的靶点。项目组筛选以核受体Nur77为靶点的海洋天然产物库，通过改造合成得到靶向Nur77抑制三阴性乳腺癌化合物YXY211。该化合物研发成功将为广大三阴性乳腺癌患者带来更为有效和安全的治疗药物，大大提高患者的生存率和健康水平。

自美国 2011 年实施材料基因组计划（Materials Genome Initiative，MGI），现已成为全球材料创新研发的强大助推剂，将高通量实验、材料数据和高通量计算三要素有机结合，加速材料创新性研发并降低成本。MGI 将成分-工艺-组织-性能的关联集成化、跨尺度分析，将材料的研发由传统经验式提升到科学设计。高通量材料计算和数据挖掘技术是材料基因工程的重要组成部分，通过材料的高通量热力学/动力学计算、高通量相场模拟、数据挖掘和性能预测，实现材料合金成分、制备工艺、微观组织结构和宏观力学性能的调控及优化，为新材料的开发设计提供指导，实现产品全制备周期的数字化、智能化管理，提高产品质量稳定性、降低产品研发周期和成本、提升企业的核心竞争力。

自然场景视觉感知与理解是人工智能的前沿热点，其主要任务是对场景中的视觉要素进行认知，进而推断出其中包含的场景语义。IMAGINE实验室近年来相继从场景构成分析、场景内容推理、场景结构建模等角度对这一问题展开了系统研究，着重探索了融合先验建模与深度学习的自然场景视觉理解这一问题。大数据具有规模大、种类多、产生速度快、有价值数据密度低等特点。对大数据信息分析具有重要意义，也是目前研究的热点，其主要任务是利用数据分析的方法从大数据中获取有价值信息。IMAGINE实验室近年来结合深度学习前沿技术和传统数据分析方法进行数据分析和预测，并在海关大数据分析项目和国网电力冰风灾害预测项目中进行应用