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。

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

本项目基于 iSCSI 的块数据 I/O 连续跟踪、块差异存储及压缩、虚拟镜像及快速启动、数据库一致性检测以及嵌入式技术等，结合现有的高性能硬件平台，提供文件级和卷级连续 数据备份方案，可实时、透明保存企业内的分散数据，保证用户数据的安全和完整。该系统 提供任意时间点或版本的数据恢复;采用基于差量的版本管理，存储空间小，网络传输数据 少，易于实施，系统后台透明运行，稳定可靠;支持远程异地办公人员使用;备份数据集中 管理，便于公司集中备份和保护企业价值数据。与传统备份产品相比，具有可靠性高、可用 性好、速度快、部署简单、无缝集成的特点。本地化的生产和服务，可以大大地提高服务质 量和降低成本。而且作为具有自主知识产权的安全产品，可以更加稳定地保护数据安全，减 少风险。同时本产品在国际市场上也有一定的竞争力。

北京大学信息学院机器感知与智能教育部重点实验室袁晓如研究组设计开发了一系列大数据可视化与可视分析工具。针对目前在新冠疫情方面形势变化，通过处理、分析、接入多种数据，提供多维度、多视角的交互式可视化。 项目组件包括1.疫情变化晴雨表，可视化各地每日新增病例和变化趋势；2.各类动态时空地图，提供在地图空间浏览分析和多角度对比国内外各地疫情趋势；3.相关舆情可视分析，分析媒体和社交媒体舆情影响；4.综合态势可视分析系统，支持面向专家或者决策判研。

PLC远程程序监控与数据监控系统实现了对PLC设备的远程程序修改与升级维护，以及对PLC设备运行状态的实时监测以及远程指令控制。整个系统由远程发射器（自主开发）和监控软件两部分组成，远程发射器可支持三种网络连接模式：以太网、WIFI和GPRS（2G/3G）。其中，以太网方式适用于具有网络端口的环境；WIFI方式适用于具有无线网络的工业现场；GPRS方式则适用于无以太网环境下的设备连接，但网速受限。监控软件支持C/S和B/S两种工作模式，其客户端为用户提供数据监控与分析、程序升级、客户信息查询、设备位置管理等功能。一旦设备出现故障，维修人员通过及时对PLC设备进行远程数据和程序监控，就能帮助客户排除故障，从而减少售后服务时间，也提高了设备利用率。

 针对我国高速铁路建设中动车组是在引进国外4个国家装备的基础上由我国生产制造的，其中车载网络部分国外没有转让技术，这对实现运行中动车组故障状态实时采集与诊断及地面监控带来极大的挑战。      本团队承担了铁道部下达车地通信系统的技术攻关任务，重点解决在不影响原系统正常工作的前提下，从动车组车载信息系统自动收集与运行安全、维护和使用寿命有关的故障和状态信息，并通过无线通信系统传输到地面监控管理中心。

本成果面向交通运行监测、城市管理与民生服务，构建了大数据即服务（Big Data as a Service,BDaaS）平台。本成果通过建设的区域无线网络、区域综合交通感知系统、布设的高清视频、市民交互平台和智慧城市数据中心，动态关联城市路网信息、运营信息、生活信息等多种异类数据，利用海量信息处理和信物融合技术，为政府、企业和公众解决城乡一体化管理、安全和服务中的各种关键问题提供数据支撑，促进智慧城市的绿色、高效、协同发展。 智慧城市数据即服务平台（BDaaS）包括城市数据感知体系、智慧城市大数据平台、面向政府业务的智慧管理与服务平台、面向社会公众的服务平台、面向科研机构的数据共享服务平台、数据质量实时监测与评价系统共6个体系。本平台不仅应用于城市交通运行监测、公众出行信息服务、城市交通规划，特别的，还可面向研究的机构海量数据分析提供实时数据支撑。海量数据实时挖掘（综合数据处理时间<2s）