新冠肺炎常规通过病史、CT等进行病情评估，但重症病房应用超声不便，还需要评估重症患者的心脏等多器官，然而操作者绝大多数不是专业超声医生，这为如何在治疗重症患者的过程中更好地发挥超声的作用提出了难题。深圳国际研究生院袁克虹团队与深圳华声医疗技术股份有限公司合作，用人工智能技术赋能5G超声设备，增添采集心肺关键标准切面的导航以及关键参数的自动测量等功能，辅助医生对重症病人进行动态评估和治疗。 袁克虹团队与深圳华声医疗技术股份有限公司1月中旬组成研发团队，在已有合作工作的基础上，针对新冠肺炎重症患者临床超声的迫切需求开展联合攻关，半个月就获得了较好的成果。该技术从2月初开始在武汉协和西院等多家医院使用，在一定程度上辅助了医生对重症患者进行疾病的动态评估和治疗指导。 目前该技术正由国家感染性疾病临床研究中心（深圳市第三人民医院）牵头开展进一步研究，将完善和改进现有功能，优化远程诊断流程，实现超声为医生治疗重症患者提供更智能、更可靠、更专业的帮助。

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。 成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.） 致癌性预测服务器首页 致癌性预测结果页 相关综述对本服务器的介绍 RF-hERG-Score预测药物引起的hERG相关心脏毒性 2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。 特异性重打分函数显著虚拟筛选性能显著较高 筛选出两个候选抑制剂 3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。 lncRNA-蛋白质相互作用预测模型的性能比较 lncRNA-蛋白质相互作用预测服务器相关软件著作权：

本发明提供了一种复制式人工关节间隔物的制作方法，包括以下步骤：1）首先在容器内铺设固化剂，将人工关节假体包裹在容器内的固化剂中，制备人工关节假体阴模；2）然后向阴模内注入硬化剂制备复制式人工关节间隔物。可事先在阴模中放置金属棒或块以增加间隔物的强度。本发明能在较短时间内精确制备出尺寸和外形与拟选用人工关节假体一致的间隔物，以缩短手术时间，改善间隔物的作用效果，制备方法经济且简便易行。植入的关节式间隔物可使得患者在术后获得部分正常的关节功能，术后满意度提高。并有效防止了软组织的挛缩，为再次手术奠定了基础。

（1）建立具有医学统计意义的中国人髋关节解剖学特征数据库 课题组随机抽取130 例西南地区正常成年人（其中男77例、女53例；平均年龄46岁；平均身高163.3cm；平均体重59.6kg。于仰卧、双下肢中立位行髂嵴至胫骨结节CT扫描（扫描层厚1mm），运用CT图像处理软件测量股骨头直径、颈干角、偏中心距offset、小转子中点及其上、下2 0 mm 平面处髓腔宽度、峡部直径、小粗隆中点到峡部距离、峡部曲度、髓腔闪烁指数和漏斗指数等参数，并与中国北方人和国外人群解剖参数进行比较。结果显示：中国西南地区正常人的股骨头直径为44.68±3.10mm，颈干角128.56°±4.49°，offset为36.7±2.81mm，小转子中点及其上、下2 0 mm平面处髓腔宽度分别为：24.9±2.27mm；43.6±2.79mm；17.23±1.59mm，峡部直径为9.92±1.27mm，小粗隆中点到峡部距离113.81±6.75mm，峡部曲度168.95°±1.32°，髓腔闪烁指数和漏斗指数等参数分别为：4.19±0.72和2.32。本组研究中，offset平均为36.7mm、颈干角平均为128.56°,与北方人（offset 平均37.1mm、颈干角平均127.9°）相比差异不大，与西方人（offset平均43.0mm、颈干角平均124.7°）相比存在显著差异。 （2）设计基于国人髋关节解剖学特征的人工髋关节系统 完成了基于中国人解剖参数人工髋关节系统设计。 （3）采用有限元等分析手段，优化设计方案，使该人工髋关节系统适合国人解剖特征，避免低应力集中和应力遮挡。

青少年人工智能资源与创新平台为激发青少年利用原创算法解决真实复杂问题的兴趣，面向全国中小学发布覆盖人工智能主要技术领域的研究问题，设立相应选题。 一、项目分类 关键核心技术突破 二、技术分析 主要功能： 资源中心。资源中心包含各个名师人工智能课程及应用案例，还包含各类精品开源软硬件资源的汇聚。 资讯通知。公告元卓计划工作的最新动态及行业内的最新消息。 直播频道。邀请专家进行直播互动。 在线编程。可以在网页页面中直接编写代码和运行代码。 互动论坛。注册用户可以在网站论坛讨论课题。

该项目研发的“心脉联衢——全球首款体内可视化小口径人工血管”从仿生的角度出发，模仿天然血管的三层结构，通过不同结构水凝胶的合理构建达到功能协同，将抗凝血、可视化材料应用于人工血管的内层，大强度水凝胶应用于人工血管的外层，开发与人体血管结构相似、功能相近的高仿生体内精准可视化小口径水凝胶人工血管。 一、项目进展 已注册公司运营 二、企业信息 企业名称 天津心衢生物科技有限公司 企业法人 李双阳 注册时间 2021.06.29 注册所在省市 天津市 组织机构代码 91120104MA07CUYE1J 经营范围 人体于细技术开发和应用生物基材料聚合技术研发;人体基因诊断与治疗技术开发;细胞技术研爱和应用，新材料技术研发，医学研究和试验发展;工程和技术研究和试验发展，技术服务、技术开发、技术咨询、技术交流、技术转让、技术;医院管理。(除依法须经批准的项目外，凭营执照依法自主开展经营活动) 企业地址 天津市南开区卫津路92号大学生生活中心204 获投资情况 无 三、负责人及成员 姓名 学院/所学专业 入学/毕业时间 李双阳 化工学院/材料化工 2020 庞小雨 化工学院/材料化工 2019 詹浩淼 机械工程学院/动力工程 2019 四、指导教师 姓名 学院/所学专业 职务/职称 研究方向 董岸杰 化工学院/材料化工 教授 生物医用高分子 五、项目简介 国内心脏搭桥及血透病患对人工血管的需求量很大，目前大、中口径人工血管已经应用于临床，但市场上没有小口径人工血管产品推出。中国的人工血管产品主要依赖于进口，缺少具有核心知识产权技术以及能进行产业化生产人工血管的厂家。心脉连衢公司团队攻关人工血管关键技术难题，希望为心血管疾病和血液透析患者探索一种新的人工血管产品，同时在基础人工血管产品上，提出“精准可视化”概念，弥补小口径人工血管临床应用的空白。 该项目研发的“心脉联衢——全球首款体内可视化小口径人工血管”从仿生的角度出发，模仿天然血管的三层结构，通过不同结构水凝胶的合理构建达到功能协同，将抗凝血、可视化材料应用于人工血管的内层，大强度水凝胶应用于人工血管的外层，开发与人体血管结构相似、功能相近的高仿生体内精准可视化小口径水凝胶人工血管。项目产品采用模具快速成型工艺，可实现无创、无放射性地对植入后的人工血管形态进行精准监测，从而获得准确、动态、整体三维的信息。项目产品与世界目前报道的最高水平小口径人工血管产品对比，产品制备周期从1.5个月降低到10分钟、生物安全性能好、具有体内可视化功能，且成本比传统的组织工程技术低8成。

通过非饱和带入渗井（注水井）进行人工补给，是含水层人工补给的重要方法之一。该方法主要适用于潜水面埋藏较深或地表覆盖不利于人工补给的场地。预测人工补给过程中非饱和-饱和带水流的响应、计算含水层的补给量是评价及设计人工补给方案的重要指标，传统定量评价模型仅适用于饱和带注水井流问题，缺少非饱和带井流模型。因此，采用传统模型评估考虑非饱和带入渗井方式的人工补给方案时会引起较大误差。 这项研究利用解析方法，开发了非饱和-饱和水流耦合的解析模型，用于评价非饱和带入渗井引起的非饱和-饱和水流过程，计算含水层的补给量。研究结果发现，非饱和带的储水性对人工补给的效率有较大影响：储水性小的非饱和带在补给过程中水流可以很快达到稳定，注入井中的水流可以很快到达饱和带，且大部分都可以存储于饱和带中，有利于人工补给；反之，则不利于采用非饱和带入渗井的方式进行人工补给。同时，揭示井的结构和含水介质的各向异性仅会影响初期的饱和带补给量，不影响后期稳定的补给量。传统模型由于未考虑非饱和带的储水性质，会过高估计饱和带的补给量。该解析模型为人工补给定量评价提供了重要的工具。

产品详细介绍    该实验室结合图形化编程（Scratch）和代码编程（Python）方式，以【数学知识+信息技术+3D设计+编程】为主要切入点，选用IME3D系列化软件中的3D编程设计软件Scrath3D和Python3D，及其配套的项目制（PBL）基础和主题课程体系，将编程逻辑、3D设计和开源硬件相结合，开展编程式3D设计教育课程和各项活动。 该实验室的课程内容特色： 充分结合所学的数学知识，如圆锥、圆柱、直线/曲线的斜率等基本概念，并将其通过Scratch、Python等编程方式进行3D数学建模，对生活中常见的物品进行模仿设计，使其成为具有一定功能的创意产品 运用Scrtach3D和Python3D设计软件让学生学习3D编程设计的方法，提升学生自主设计能力和联系理解学科知识的能力，在揭示3D建模背后原理的同时，为学生提供理解编程学习的独特平台 完成一定内容学习和尝试后，结合多种设计方法，进行综合运用性的主题作品设计制作，如用数学的方法来测量学校建筑物的高度，分析模型的特点和结果，并利用合适的编程式3D设计软件构建其模型和3D打印完成作品 结合开源硬件，在给定主题的引导下，进行功能分析、3D设计和编程操作，同时利用3D打印成品进行产品组装，实现功能 编程教学软件：

Yanshee 机器人采用Raspberry Pi + STM32 开放式的硬件平台架构，有丰富的开源资源持。具有17 个自由度的高度拟人设计，并支持模块化拆装；支持AI 语音/ 视觉技术；支持多传感器及通信模块，并兼容多种开源传感器包；提供自研工具软件并适配专业开源软件，支持Python、Java、C/C++、BLockly 等多种编程语言及多种AI 应用的学习和开发。