|
搜索
搜 索
高等教育领域数字化综合服务平台
新型亲水抗菌膜及制备方法
目前主流的抗菌膜制备方法是在基膜表面接枝抗菌物质，常用的抗菌材料包括氧化石墨烯、碳纳米管、抗菌聚合物、金属离子等，但这些材料普遍存在着接枝方式复杂，且对环境有危害的缺陷。相比而言，季铵盐类抗菌剂具有抗菌效果好，环境友好等特点，目前水溶性的小分子或高分子季铵盐抗菌剂已经广泛应用于水处理、食品、医疗卫生和包装材料等领域。然而，将季铵化合物直接接枝到膜表面所制备的抗菌膜仍存在制备流程复杂，成本较高等问题，这也使得目前开发的大部分季铵盐功能膜无法大规模应用于实际水处理系统。因此，为解决以上问题，开发新型亲水抗菌功膜的制备方法是目前业内所亟需的。
本成果中提出的制备方法将氯甲基化聚合物制备为中空纤维多孔膜，并制作为管壳式膜组件，之后采用过滤操作模式直接将叔胺化合物接枝到组件中的中空纤维膜丝上，从而制备出具有优良抗菌性能的季铵化功能膜组件。该制备方法简单便捷，且接枝稳定性高，适合长期大规模应用于实际膜法水处理体系中，且制备的超滤膜具有良好的亲水性和抗菌性。抗菌膜制备简单便捷，常温常压过滤操作即可完成接枝，且接枝稳定性高，成本低，对水体中微生物去除率99.9%以上，尤其能抑制微生物在膜上（内外表面，孔道壁面）生长。
图1.性能参数
北京理工大学
2025-02-10
新冠肺炎影像学AI智能辅助诊断研究
“现阶段医生需要在大量影像数据中快速诊断出新冠肺炎的病例，此外还需要诊断出病灶分布的位置、大小等来评估严重程度。”薛向阳介绍，针对临床的现实需求，团队将设计目标定位于“肺炎分类鉴别”和“关键病灶检测”两大功能，前者是为区别健康状态、新冠肺炎、其他病毒性肺炎、细菌性肺炎，后者则为找到并分隔出磨玻璃影等病灶区域。针对这些需求，团队设计诊断算法模型，让机器利用模型进行训练，学习不同类型肺炎在CT影像表现上的不同特征，最终具备智能辅助诊断的能力。而这需要突破小样本学习、小目标检测等多个技术难题。“小样本学习”即在较少训练数据样本的条件下进行机器学习。在疫情发生前期，能够获取的新冠肺炎影像数据相对较少，且由于一线影像医生任务繁重，无法获得大量专家标注，因此需要算法在少量样本的条件下“自学成才”。为此，团队采用基于自迁移学习的半监督学习等技巧，使算法具备一定的“小样本学习”能力，在不增加医生标注工作量的情况下较好地提高了算法模型的普适性。由于CT影像切片中的病灶区域有大有小，且往往大中小病灶区域面积悬殊，如何使算法能同时检测大、中、小各个目标是另一大难题。团队利用神经网络的层次性特点与病灶区域的大小进行对应，“网络的底层关注细节，即小病灶区域，而网络中层到高层所关注的病灶区域则越来越大，因此模型通过不同层次的加权和融合，最终便能达到同时检测大小病灶区域的目标。”薛向阳解释道。“不过，即便有诊断‘神器’，影像科医生也是不可替代的。”薛向阳说，人是复杂的机体，病毒在不同人体内感染的反映也不一定相同。”他表示，当遇到机器未曾学习过的微小病变或疑难病例时，仍需要影像医生的经验和智慧。以解决实际问题为目标，该项目在研究过程中始终与临床应用紧密结合。无论是机器学习数据，还是测试评估数据，都来源于临床真实病例。在算法模型定型过程中，为了检验模型的准确率和泛化性，团队也利用现实疑似病例进行了测试。
复旦大学
2021-04-10
基于AI 机器学习的影像组学模型研究
2019年12月以来，由SARS-CoV-2病毒感染导致的新型冠状病毒疾病（COVID-19）在全球开始蔓延。报道显示，SARS-CoV-2感染患者的中位住院时间为10天，而武汉患者在发病10天后症状有可能加重。因此，住院时间是COVID-19临床预后的重要指标之一。 目前，CT影像学已成为COVID-19肺炎的诊断和监测工具，主要表现为磨玻璃影、实变及混合密度影。然而，现阶段的影像学研究主要集中于对病灶的定性和半定量描述，缺乏对病灶的全定量分析。因此，基于前期提出的CT定量监测COVID-19肺炎病程，团队假设在CT病灶背后的高通量影像特征“隐藏”了患者预后转归的“秘密”。 本研究纳入了兰州、安康、丽水、镇江、临夏5家新冠肺炎定点医院，自2020年1月23日到2月8日期间住院患者的临床资料和首次CT资料，所有患者经RT-PCR证实SARS-CoV-2病毒感染。至2月20日，研究共纳入31例治愈出院的患者（排除14例未出院患者和7例首次CT检查无肺炎表现患者），并将10天作为住院时长的二分类阈值。基于有限的样本量，团队将4个中心作为训练队列，另外一个中心作为验证队列。通过自动分割肺叶和半自动分割病灶，31名患者中累计分割出72个病灶。在对病灶图像预处理后，提取影像组学特征并筛选。为了研究影像组学特征的稳定性，团队使用了Logistics回归模型和随机森林模型对筛选的特征分别进行建模和验证。结果发现，6个筛选出的二阶特征在两种不同分类器中均表现出良好的预测价值。在外部测试队列中，Logistics回归模型的AUC为0·97(95%CI 0·83-1·0), 敏感性 1·0, 特异性0·89；随机森林模型的AUC为0·92 (95%CI 0·67-1·0),敏感性 0·75, 特异性1·0。随后，研究又纳入了2月20日-28日新出院的6名患者，利用已建立的影像组学模型可以正确预测所有6名患者的住院时间。
东南大学
2021-04-10
构建组学数据库助力肿瘤信号通路
建设消化系统肿瘤的大数据平台，通过整合肿瘤临床信息、影像数据、生物样本库数据、高通量生物多组学的数据，系统地构建消化系统肿瘤大数据，并结合人工智能平台进行大数据的挖掘与分析。该团队基于肿瘤大数据平台开展肿瘤临床诊疗的真实世界研究，探索肿瘤的精准诊断、预后预测和耐药分子机制 徐瑞华教授团队开始着手构建磷酸化定量数据库qPhos。通过收集已发表的定量磷酸化组数据，共整合了199071个磷酸化位点上的3537533个定量磷酸化信息，其中86%的数据来自肿瘤组织样本及相关细胞系。有关定量实验的详细信息，包括实验条件、实验所用的细胞系或样本等数据也纳入了数据库中。对每个磷酸化位点，都注释了实验验证的或潜在的上游激酶，以便理解其分子调控机制。同时，通过整合UniProt，ExPASy和DrugBank等数据库中的信息，对磷酸化位点所在蛋白质的生化特征、上游激酶的靶向药物情况进行了详细的注释，方便查询和使用。 此外，数据库中还开发了qKinAct分析模块，研究人员可以基于自己的定量磷酸化组数据分析得到相应的激酶活性相关磷酸化位点信息，进而分析异常的磷酸化信号通路。因此，qPhos是首个全面涵盖肿瘤和疾病相关重要磷酸化修饰动态水平的数据库，为研究蛋白磷酸化修饰及其动态调控提供了一站式服务。
中山大学
2021-04-13
北京学大信息技术集团有限公司
学大教育是A股市场上专注于个性化教育的上市公司，自2001年创立以来，学大教育秉承“以人为本、因材施教”的个性化教育理念，打造了包括个性化培训、全日制教育、职业教育、文化服务等在内的丰富业务模式。
北京学大信息技术集团有限公司
2021-02-01
北京学而思教育科技有限公司
学而思网校，是纽交所上市公司好未来教育集团（原学而思）旗下的中小学在线教育品牌，为6-18岁孩子提供小初高全学科课外辅导。以及为2-8岁孩子提供启蒙课程，学生人数遍及全国300多个城市。
北京学而思教育科技有限公司
2021-02-01
深圳百学智慧教育科技有限公司
百学智慧教育科技于2018年8月成立于中国改革开放前沿城市——深圳。百学智慧教育科技有限公司选择以教育产业互联网作企业发展的道路,随着5G时代到来，互联网技术的成熟以及信息化的需要，市场需要有一家能够帮助教育产业升级的互联网企业。
百学智慧教育科技创始团队多为连续创业者，技术团队具有国内知名企业以及上市公司背景，致力打造资源整合以及互联网+教育生态圈多元化教育产业互联网平台。
深圳百学智慧教育科技有限公司
2021-02-01
秦学(北京)网络教育科技有限公司
秦学教育是秦学（北京）网络教育科技有限公司旗下互联网教育品牌，是产业互联网时代混合运营模式的品牌，以K12校外培训为主要业务，以“科技+教研”为主要，旗下打造了勤学云智慧教学生态系统、月芽儿歌、伊顿名师等教育产品，120多家学习中心，教职员工2000多名。
秦学(北京)网络教育科技有限公司
2021-02-01
五年级下册美术袋装学具
人教社版
宁波华茂文教股份有限公司
2021-08-23
五年级上册美术袋装学具
人教社版
宁波华茂文教股份有限公司
2021-08-23