泪道阻塞是眼科常见病，其危害主要是溢泪，经常流泪可导致眼周皮肤粗糙、糜烂、下睑外翻、鼻泪管阻塞引起的慢性泪囊炎，常有脓性分泌物从泪点排出，对眼球构成潜在危险，对病人带来很大痛苦，既防碍工作，又影响美观。所以我们研制了人工泪小管，人工鼻泪管。

人工超材料是指亚波长尺度单元按一定的宏观排列方式形成的人工复合电磁结构。由于其基本单元和排列方式都可任意设计，因此能构造出传统材料与传统技术不能实现的超常规媒质参数，进而对电磁波进行高效灵活调控，实现一系列自然界不存在的新奇物理特性和应用。然而，传统的电磁超材料和超表面都是基于连续变化的媒质参数，很难实时地操控电磁波。 以程强教授为核心团队的课题组在国际上首次提出“数字编码与可编程超材料”，提出用二进制数字编码来表征超材料的思想，通过改变数字编码单元“0”和“1”的空间排布来控制电磁波。这一概念的提出不仅简化了超材料的设计难度和优化流程，构建了超材料由物理空间通往数字空间的桥梁，使人们能够从信息科学的角度来理解和探索超材料。更重要地是，超材料的数字化编码表征方式非常有利于结合一些有源器件（例如二极管和MEMS开关等），在现场可编程门阵列（FPGA）等电路系统的控制下实时地数字化调控电磁波，动态地实现多种完全不同的功能。 在该工作中，作者利用优化算法，设计相应的时空三维编码矩阵，超表面将入射波能量分散到空间任意方向和任意谐波频谱上，这一特性很好地缩减了雷达散射截面（RCS），未来有望应用于新型的计算成像系统。更重要的是，引入时间维度的编码之后，可以扩展传统的空间编码比特数，降低了实现高比特可编程超表面的系统复杂度。例如，一款2比特的可编程超表面，只要设计相应的时空编码矩阵，就可以在中心频率和谐波频率实现等效的360度相位覆盖，这是传统可编程超表面无法实现的，可用于实现波束塑形等一系列实用功能。 本工作得到了国家科技部重点研发计划“变革性技术关键科学问题”重点专项“微波毫米波数字编码和现场可编程超构材料的理论体系与关键技术”，以及国家自然科学基金等项目的资助，相关实验测试工作在东南大学毫米波国家重点实验室完成。

本实用新型公开了一种人工气道，特别是一种应用于医疗卫生领域的人工气道。本实用新型提供一种可以简化对人工气道封闭气囊压力进行监测，并能实时对封闭气囊的压力进行自动安全调节，同时防止误操作，使其可以安全且稳定维持在理想压力值的人工气道，包括导管、主接头、封闭气囊和充气管，所述主接头设置在导管的端部；所述充气管一端与封闭气囊相通，另一端与压力指示气囊相通，还包括压力安全阀。当临床医务人员在充气接头处注射气体，随着注射气体的增加压力指示气囊压力，封闭气囊以及压力接口处的压力也随之增加，一旦封闭气囊和外侧压力指示气囊压力过高超过压力安全阀安全值，压力安全阀打开漏气释放压力。

为中小学校及校外教育机构提供课程整体规划、学习空间创新建设。

1、产品介绍 AI人工智能语音与机器视觉应用系统是一款集成AI语音、机器视觉、深度学习基础、嵌入式Linux于一体的高端教学科研实验平台。 整个教学平台由实验箱高性能嵌入式主板够成，高性能嵌入式核心板采用高性能64位ARM处理器，标配4GB DDR3内存和16GB闪存，可运行ubuntu、android、linuxqt等多种操作系统，可满嵌入式linux和AI应用开发。 平台采用多核高性能 AI 处理器，预装 Ubuntu Linux 操作系统与 OpenCV 计算机视觉库，支持 TensorFlow Lite、NCNN、MNN、Paddle-Lite、MACE 等深度学习端侧推理框架。 提供多种应用外设与丰富的机器视觉、AI语音、深度学习实战应用案例，如语音前处理（声源定位、语音增强、语音降噪、回声消除、声音提取）、语音活体检查、语音唤醒、语音识别、语音合成、自然语言处理、声纹识别门锁、语音智能家居、手写字识别、人脸识别、目标检测、端侧推理框架、图像识别、人体分析 、文字识别、人脸门禁控制、车牌道闸控制、手势家居控制等，通过案例教学让学生掌握计算机视觉与深度学习的基本原理和典型应用开发。 2、产品特点 （1）先进性 性能卓越：搭载AI嵌入式边缘计算处理器RK3399，配备4GB RAM与16GB存储空间，以及6英寸高清电容触摸屏，确保流畅的用户体验。 高效运算：配NPU协处理器模块，专为神经网络模型设计，提供高达8 TOPs@300mW的运算能力。 接口丰富：提供双路0、四路USB2.0、RS232、RS485以及多种嵌入式拓展接口，满足多样化的外设连接需求。 （2）扩展性 定制化设计：所有硬件单元均采用模块化设计，支持根据具体需求进行定制化选型和搭配。 项目套件丰富：提供多种可选的项目套件模块，支持完成多样化的AI应用场景设计和创新。 智能网关平台：智能边缘计算网关平台配备了包括GPIO、ADC、IIC、UART、PWM、SPI在内的常用接口拓展，增强了平台的适应性和灵活性。 （3）包容性 多功能应用：实验平台适用于人工智能、嵌入式系统、物联网、移动互联网、智能硬件等多个学科的实验教学，提供全面的教育资源。 课程与实验：支持包括Python程序设计、嵌入式Linux操作系统、机器视觉技术、自然语言处理、神经网络原理、无线通信、Android应用技术、物联网中间件、AIOT应用实训等在内的丰富课程和实验。 专业融合：平台在硬件设计上实现了物联网、人工智能和嵌入式技术的兼容性，提升了实训设备的复用率，有效解决了学校实训室空间和资金的限制问题。 AI语音与机器视觉应用系统致力于解决学校在开设人工智能课程时面临的师资、教学资源、实训资源、设备以及与行业应用对接的挑战，实现了产学研创一体化的教育模式 3、应用 系统支持多个工业化的应用场景，以智慧家居、智慧停车场、智慧门禁、智慧交通、趣味AI、智慧工地六大应用场景，及基于六大应用场景的20多种小AI应用场景。所有的应用场景及业务子项功能，均来自真实的人工智能行业应用。 4、配套 该产品除完整的软硬件系统外,还配备针对设备完整的人工智能实训指导书完整丰富的教学实训素材资源、以及基于设备系统的人工智能教学视频光盘。本产品提供免费的安装部署服务和设备实训培训服务。

本实用新型公开一种呼吸机面罩，包括罩壳，所述罩壳下沿连接气囊，罩壳下部设置有通孔，通孔填充海绵。本实用新型在使用时，当安置呼吸机患者接有胃管时，可取下通孔中的海绵，将胃管自通孔中穿过，避免胃管导致的面部皮肤压疮的发生。

该山羊呼吸气体采集装置可以用于对山羊呼吸气体进行收集，并用于随后的气体成分测定，从而简洁快速的获知山羊呼出气体中甲烷含量，它具有结果简单，使用方便等特点。该装置包括橡胶面罩和设在橡胶面罩上的呼吸筒，所述呼吸筒上设有进气管和出气管，所述出气管的末端设有中转大气体采集袋和小气体采集袋，所述进气管和出气管内均设有一个气体流通自动阀。 该装置主要用于科研，结果简单，使用方便，具有广泛的应用前景。 成果完成时间：2015年

XM-516呼吸系统模型   XM-516呼吸系统模型由呼吸系统及肺泡2部分组成，显示鼻腔、中鼻甲、下鼻甲、口腔、软腭、咽、甲状软骨、喉、气管、支气管、壁胸膜、上叶、下叶、肺部静脉、肺部动脉、肺泡外的毛细血管、肺泡、细支气管、肺泡囊、肺泡壁等，另附一个放大的肺泡模型，显示了组织学上肺泡的微观显微结构，可以很好地解释气体交换的过程。 尺寸：3/4自然大，48×34×6cm 材质：PVC材料

XM-516呼吸系统模型   XM-516呼吸系统模型由呼吸系统及肺泡2部分组成，显示鼻腔、中鼻甲、下鼻甲、口腔、软腭、咽、甲状软骨、喉、气管、支气管、壁胸膜、上叶、下叶、肺部静脉、肺部动脉、肺泡外的毛细血管、肺泡、细支气管、肺泡囊、肺泡壁等，另附一个放大的肺泡模型，显示了组织学上肺泡的微观显微结构，可以很好地解释气体交换的过程。 尺寸：3/4自然大，48×34×6cm 材质：PVC材料

产品详细介绍呼吸信号分析呼吸信号(Respiration)简称RESP，是伴随着呼气与吸气的周期性变换，在呼吸管道以及胸腹部都会产生周期性形变产生的生理电信号。随着疲劳程度的加深，呼吸的幅度减弱，周期性的频率延缓。此外随着个体情绪的变化，人的呼吸信号也会发生规律性变化。ErgoLAB呼吸反应分析软件提供多种滤波方式，便于根据研究需要进行选择与自定义调节。还可监测与分析全程以及阶段化的数据信息处理方式，更加精准的分析某一时间段内的呼吸行为。从而统计并导出呼吸信号的时域与频域数据报告，具体数据包括时域数据AVRESP、SD、Max、Min、Rang；频域数据Power、Peak值，以及可视化的功率谱图等。RESP高级数据处理分析模块可以结合人机环境同步平台和生理记录系统采集到与RESP指标相关的生理信号进行离线处理和分析。可对信号进行自由选择、放大、缩小，便于浏览数据；在整体呈现数据的基础上，还可以根据片段、事件、场景三种分割方式进行数据呈现与分析；可导出ASCII格式的原始数据、处理后数据和分析后数据；并可导出可视化分析报告。技术要求：1、信号处理模块处理方法包括小波去噪（Wavelet Filter）、高通滤波(baseline)、低通滤波(Low Pass)、带阻滤波（Band Stop）用以滤除噪音干扰，从而得到有用的RESP信号；数据校正包括滑动均值滤波（Moving Average）与滑动均方根滤波（Moving RMS）。IBI计算，通过设置最大呼吸速率（Maximum Heart Rate）与最大呼吸阈值（R-peak Mark Threshold）提取R点数据，支持自定义参数。手动信号校正方法包括线性插值（Linear interpolation）、样条差值（Spline interpolation）以及通过复制信号区域进行插值。2、信号分析模块信号分析模块包括时域分析和频域分析，二者可实现自由切换。A.   时域分析是将RESP信号看作时间的函数，通过分析得到RESP信号的统计特征。统计分析指标包括：一段时间内的均值（Mean）、中值（Median）、标准差（STD）、最大最小值差（Range）。B.   频域分析是运用参数模型法和快速傅里叶变化将时域分析信号转换为频域分析信号，对信号进行功率谱密度分析。从功率谱密度中确定RESP信号的频带，不同频带可自定义，将在功率谱分析图中以不同的颜色区分。包括Power与Peak能量值。3、可视化Chart与导出数据模块：包括原始数据Raw Data、处理数据Processed、BR数据、IR数据以及整体结果报告。