产品详细介绍　　SOC720SW 短波红外成像光谱仪是一款高质量、高性能的仪器，光谱范围为900nm～1700nm。　　SOC720SW具有高光谱分辨率 (6.25 nm), 轻度光谱失真 (<1.5 nm)成像分光计和高灵敏度的InGaAs 探测器 (D* = 1.5e13  √cm-Hz/W)，使得SOC720SW可以14-bit同时收集640像素、128个波段的光谱信息。这保证了所有应用里，获得的是最高质量数据。 使用简单和实时处理　　SOC720SW是一个完整的系统，开箱之后即可使用。　　系统采用SOC的HyperSpect™ 操作软件和HSAnalysis™校准和分析工具进行标定和使用前设置。　　数据以开放的BIL二进制格式保存，可以兼容第三方分析软件。无需额外的扫描仪或软件。　　可选的SOC MIDIS™处理器以最优的电脑速度快速执行光谱处理，克服了大部分成像光谱仪在实时数据处理方面的瓶颈。　　MIDIS处理器具有多个相关通道同时监测测量数据和三光谱积分，使得MIDIS处理器有能力克服当今数据处理的难题。　　配备了一个高质量的成像分光计、标定和分析软件、高速低噪InGaAs线列和完整的扫描系统，SOC-720SW通过高速Camera-Link接口可以记录900nm到1700nm光谱范围内、6.25nm分辨率的高质量光谱成像数据。灵敏度高于1.5x1013cmHz/W（1550nm）。　　SOC的HS分析软件可以用来进行标定和数据分析。记录的数据格式为开放式的二进制数据，可以很容易的用第三方分析软件打开，如ENVI软件。无须数据格式转换。技术参数：光谱范围： 900-1700 nm光谱分辨率： 6.25 nm光谱通道： 128光谱失真： <1.5 microns  (smile)数字光圈： F/2.4TFOV/IFOV (35MM)： 10°/0.015625°分辨率(像素)： 640x640 (nominal)LINE RATE： 30 Spatial Lines/SecondCUBE RATE： 20 Seconds/Cube数字分辨率： 14-bit三脚架： 3/8”-16计算机接口： Cameral-Link扫描： 内置供电： AC/12DV重量： 30 lbs.尺寸： 7”x14”x22”  应用领域： 机械视觉　　电子学和塑胶　　晶片检查　　农业品质　　化学过程控制农业领域　　精准农业　　土地分类　　水份胁迫　　作物健康 温度记录　　火点监测　　玻璃检测　　金属纯度军事　　ISR　　边境安全　　导弹跟踪医学领域　　血糖分析　　X线断层摄影术

产品详细介绍  CANARY是一个单气体或多气体分析仪，测量浓度在ppm范围内的气体。CANARY有两种型号，一种NEMA等级的工业箱子，另一种适合野外使用的箱子，分别如图所示。和Cerex其他气体分析仪一样，系统通过红外或紫外差分吸收原理测量气体浓度，和传统的电化学传感器比，不会出现“中毒”的现象。 NEMA产品（上图） 便携式产品（下图）   特性： 重量: 12 lbs (5.4 kg) NEMA 尺寸: 61.0cm x 30.5cm x 15.2cm 便携式尺寸: 21.6in x 17.3in x 4.9in (54.9cm x 43.8cm x 12.4cm) 操作温度 Temperature: 32°F - 113°F (0°C - 45°C) CANARY能够测量二氯乙烷Dichloroethane (EDC)中的水汽、水中的氨气、氨气、氯气、二氧化硫、氟气、氟化氢等。CANARY设计用于工业过程监测，同时也提供便携式的设备，IP67等级防护。  输入电压 100VAC to 240VAC , 47-63HZ 输入电流 5A Max 操作环境温度 0 to +45ºC 储存温度 -10 to 60 ºC 操作和储存湿度 Below 80% (Non-condensing) 尺寸 610 x 305 x 152mm 光谱范围 185nm to 18μm 取样单元材料 316SS, PVDF, or PTFE 取样单元操作温度 0 to 200 ºC Sample Line Fittings1 Customer specified 原位探针光谱范围 200nm to 18μm 原位探针操作温度 0 to 140 ºC 光纤接口2 SMA 材质2 Titanium, Hastelloy, PEEK or 316SS   产地：美国

1.产品介绍 AA-1800EL型原子吸收光谱仪是采用国际新的技术和国内高校的专家联手研发完成，拥有几十年光谱仪器的研发和应用经验。该产品包括火焰、石墨炉及氢化物发生系统，可配置多种附件，灵活的配置方案可满足不同层次客户的需求。全自动多功能AA-1800EL型原子吸收光谱仪可进行复杂的样品分析，多种分析方法可自动切换，做到无人全自动分析。 AA-1800EL型原子吸收光谱仪广泛应用于科研、质检、疾控、环保、冶金、农林、化工等行业，创新的软、硬件设计确保样品分析的准确性、安全性、易用性，仪器维护简单便捷。   性能特点 2.1. 全反射消色差光学系统。 色散率为1800条/毫米刻线大面积光栅，新型自准直单色器，所有镜片均是石英镀膜，宽广的检测范围和光学稳定性确保了分析的精度、闪耀波长230nm光栅分光系统。 2.2. 八灯灯座 一灯工作，最多可以七灯预热，节省了换灯和预热时间，使元素测量更加快捷方便。 2.3. 全自动化 仪器采用全自动设计，除主机电源开关外，仪器的灯架控制、波长扫描、狭缝调节以及二维移动平台等功能全部通过软件控制完成。 2.4. 背景校正系统 具备氘灯与自吸收两种背景校正模式，背景信号1A时，扣背景能力60倍以上。 2.5. 自主知识产权，功能完善，性能强大的分析软件 人性化的操作界面，让您的操作易如反掌，可切换中英文Windows风格软件界面，全自动定性、定量分析，自动计算元素含量，自动生成测试报告。 2.6. 火焰系统特点 2.6.1. 高分子雾化室 高分子材料抗腐蚀雾化室，耐酸碱，包括氢氟酸，无论是有机或是无机溶液都能得到较好的灵敏度和稳定性； 2.6.2. 钛燃烧器 钛燃烧器，可选配50mm和100mm燃烧器，空冷预混合型，耐腐蚀，耐高盐，大幅度提高火焰的效率和火焰分析的准确度； 2.6.3. 高精度防堵塞雾化器。 高效型雾化器，雾化效率高，维护更换方便。 2.6.4. 质量流量控制器实现乙炔流量控制。 质量流量控制器精确控制乙炔流量，精度达1ml/min，并对流量进行动态监测，使用方便，安全可靠。 2.6.5. 更多的安全保护措施，使样品分析更加安全可靠。 采用高灵敏度探测器，对乙炔泄露进行实时监测； 采用高精度的压力传感器，对乙炔压力进行实时监视； 采用高精度的压力传感器，对乙炔压力进行空气压力监视； 采用微动开关及防火插销，对燃烧头状态监视； 采用光敏二极管，对火焰状态实时监视；   2.7. 石墨炉系统特点 2.7.1. 一体化设计。 石墨炉电源、原子吸收主机位于一台仪器内，缩短了电缆长度，减少了石墨炉电源对外界的电磁干扰、提高了石墨管加热效率。 2.7.2. 石墨炉控温精度高，升温速度快。 采用大功率变压器、微阻电缆线以及光控升温方式，并配合软件、硬件温度校正系统，高温段控温精度可达±1%。 2.7.3. 更多的安全保护措施，使样品分析更加安全可靠。 石墨炉冷却水具有流量实时监视和保护； 2.7.4. 通过压力传感器对载气压力监视 通过光敏二极管对石墨炉温度监视 2.7.5. 自动载气流量控制。 石墨炉内气，外气全部由计算机根据软件升温流程自动控制。 2.7.6. 150位转盘式石墨炉自动进样器。 极坐标转盘式石墨炉自动进样器，定位精度高，运行稳定可靠，使用维护方便。   数据处理 高智能软件，功能强大，友好的中文操作界面。全自动仪器及附加控制，火焰、石墨炉工作模式可自动切换，可自动优化，自动稀释；鼠标操作，自动设定菜单数据和校正方法； 石墨炉分析时，系统会给出全过程分析信息，包括测量值、温度、程序、时间等， 并保存积分时间内所有测量的信号曲线和温度曲线；测量数据可以实现动态显示。标准曲线可以实现自动拟和；样品测量准确：采用向导的方式对样品进行设置，方便快捷；灵敏度校正功能：使测量的结果更为准确；参数打印，数据结果打印，图形打印，可导出WORD、EXCEL文档.

1.产品概述​ICP-6810是用于测定不同物质（可溶解于硝酸、盐酸、氢氟酸等）中的微量、痕量元素含量的全谱直读电感耦合等离子体发射光谱仪，广泛应用于环保、石油制品、稀土、半导体、地质、冶金、化工、临床医药、食品、生物样品、刑事科学、农业研究等各个领域。2.性能特点性能稳定采用全固态射频电源，具有体积小、效率高、输出功率稳定、带有各种保护功能等诸多优点，负载采用全自动匹配技术，匹配速度快，提高了电源的使用效率和仪器的稳定性，并使得整个点火过程简单方便。进样自动化采用四通道全自动设计，转速可根据测试需求设置调节流量，载气、等离子气、辅气均采用先进的质量流量控制器来控制，同时可以配备进口高盐雾化器、进口耐氢氟雾化器等，满足客户的各种测试需求。精准分析采用中阶梯光栅-棱镜交叉色散方式,无移动光学元件；超低杂散光设计配合独特的光学设计，氮气分布式吹，进口的光学元件，智能精确的自动波长校准算法。快速测试美国热电CID探测器，165-900nm范围连续覆盖，一次曝光读出所有分析谱线的强度积分值加快分析速度。3.应用领域硅工业，冶金工业，水质分析，地质、矿石分析，石油化工，医疗、卫生、农业环保、商品、食品质量检测。

FS5是爱丁堡仪器打造的新一代紧凑型一体化荧光光谱仪。仪器基于高标准进行设计，具有高灵敏度，快速数据获取，操作简单的特点，同时还有丰富的样品支架可以进行选择。拥有爱丁堡仪器在荧光光谱仪上超过35年的制造经验，FS5可以为您提供您所能想到的各种测试需求。FS5为中档价位的荧光光谱仪在全球分析和研究市场上设立了一个全新的标准，针对不同的应用方向，我们都有相应测量模式可以进行选择。

“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。

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。 

提出基于地震波观测的滑坡快速检测和滑动几何形态的分析方法，可服务于滑坡次生灾害的预警。       2018年12月22日因无预警海啸致使印尼苏达海峡沿岸城市437人死亡，几千人受灾。叶玲玲教授等利用印尼的宽频带地震波数据，发现此次海啸由滑坡引发，与2018年活跃的Anak Krakatau火山活动有关。相对于地震滑动，滑坡造成的地振动以低频成分为主，高频成分较少（图1），造成目前常规基于高频地振动信号的地震-海啸预警系统失效。雷达影像资料分析进一步证实海啸源是Anak Krakatau火山西南侧的滑坡（图2）。采用震源单力模型，长周期地震波观测约束滑坡平均倾角为12°；结合地震波和卫星遥感资料观测，得到滑动体积约为0.2 km3。这些参数为海啸模拟提供了重要约束。 在2018年印尼火山滑坡事件中, 地震波信号10分钟传播到整个苏门答腊和爪哇地区, 被几十个地震台接收，利用Wphase反演方法15分钟可得到有效的滑坡信息。由滑坡引发的海啸波传播速度较慢, 半小时后传播到附近的海岸带地区。因而该研究中基于Wphase方法的滑坡快速检测和滑动几何形态的分析方法可有效运用于该类型滑坡海啸预警中。

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。

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。