发明了一种新层状结构复合材料，由其制造锌液内加热器的外套管材料解决了耐腐蚀和机械性能一统的材料难题。因此，由此材料制造的新型锌液内加热器可以解决所有尺寸锌锅的内加热问题。配以陶瓷锌锅就可以彻底解决传统铁制锌锅的寿命短，锌渣多，镀锌质量不好的问题。资金需求： 配合生产线的关键设备，投资建厂，兴建年100万千瓦能力的装备，投资2亿元。产值10亿元，利润5亿元。可出让的股份比例：是

独自拥有。

本研究成果是立足我国蛋白质饲料资源短缺、人畜争粮、畜禽对饲料蛋白质利用率低以及动物粪便中含氮物质排放污染环境等现实问题，开展的以提高饲料蛋白质消化率、减少粪尿氮排放，和提高饲料蛋白质资源利用率为主要目标的系列研究，获 2012 年江苏省科学技术三等奖。该成果提高反刍动物生产率 5-10%、 N 素减排 5-7%。

现代医学所谓的疼痛，是一种复杂的生理心理活动，是临床上最常见的症状之一。它包括伤害性刺激作用于机体所引起的痛感觉，以及机体对伤害性刺激的痛反应。长期疼痛给患者带来痛苦和不安，剧痛还可以引起失眠或其他生物功能紊乱，影响患者的生活质量。因此，疼痛药物的研发一直是全球性的热点和难点。阿片类药物因其止痛作用强，在缓解重度疼痛具有无可取代的地位。然而它们在起到镇痛作用的同时往往伴随很多副作用，很大程度上限制了其在镇痛方面的应用。临床上镇痛最常应用的是阿片药物，除了众所周知的副作用外，不同的阿片药物治疗还可产生

疼痛是一种与实际上或潜在的组织损伤相关联的，或基于这种损伤的，可叙述的不愉快的感觉和情绪经验。然而，疼痛特别是长期疼痛给患者带来痛苦和不安，剧痛还可以引起失眠或其他生物功能紊乱，影响患者的生活质量。阿片类镇痛药是最古老的镇痛药，也是迄今为止最有效的镇痛药物，因其止痛作用强，在缓解重度疼痛具有无可取代的地位。但是，由于其诸如呼吸抑制、心搏过缓、耐受、成瘾等方面的副作用，对病人产生了很大的危害，很大程度上限制了其在镇痛方面的应用。从而，另辟蹊径，发现新型的低副作用的阿片类镇痛药物是目前科学研究的热点。&

在临床上，吗啡类的阿片药物已被人们广泛的应用于治疗和缓解各种疼痛，但是由于阿片类的镇痛药能引起严重的不良反应和阿片依赖作用，而大大限制其在临床治疗中的应用。已有的研究表明哺乳动物中枢和外周都广泛存在着阿片受体。1997 年，发现内吗啡肽（endomorphins，EMs），即内吗啡肽 1（EM-1，Tyr-Pro- Trp-Phe-NH2）和 2（EM-2，Tyr-Pro-Phe-Phe-NH2）为 μ 阿片受体（MOR）内源性的高效选择性的激动剂，它们对 μ 阿片受体的 Ki 分别为 360 pM

本发明提供了一种受阻酚/受阻胺分子内复合型抗氧剂的合成方法，包括以下步骤：将化合物I溶解在溶剂A中，加入二氯亚砜，进行取代反应，反应结束后，减压蒸馏除去溶剂A和未反应的二氯亚砜，得到化合物II；使用溶剂B分别溶解化合物II、化合物III，混合，进行酰胺化反应，然后加入缚酸剂，继续反应，待反应结束后过滤，洗涤，真空干燥，得到受阻酚/受阻胺分子内复合型抗氧剂。本发明反应原料易得，方法简便，收率高，产物分子内含有受阻酚抗氧化基团和受阻胺光稳定剂官能团，提高了聚合物的抗氧化性。

本发明公开了一种基于曲率驱动的编织型颅内介入装置的虚拟释放方法，涉及医疗器械介入仿真技术领域，所述方法包括以下步骤：步骤1、对编织型颅内介入装置进行应变能分析，确定假设条件；步骤2、建立编织型颅内介入装置的初始构型参数化表示；步骤3、输入动脉瘤壁的参数，得到最终构型；步骤4、建立平均曲率和高斯曲率表示的能量泛函；步骤5、能量泛函最小化的求解；步骤6、计算应力和应变。本发明基于编织丝线的力学特性和编织形介入装置的几何构型，能够在数十秒内完成装置变形和应力应变的计算，快速且精准地模拟装置在不同临床情境下的力学行为，对于优化装置设计和提升临床治疗效果具有重要意义。

主要功能和应用领域： 本技术可实现人粪便样本显微镜检有型成分图像的自动识别与分类，利用计算机图像处理、模式识别及人工智能的理论与技术，对显微镜下拍摄到的粪便样本图像进行研究，通过对各种有型成分形态和颜色信息等进行特征匹配与分类计数，分别标示出红细胞、白细胞、虫卵和真菌孢子等不同种类的有型成分，从而达到在线自动识别有型成分的目的，作为医院临床诊断的依据。该技术可扩展应用于医院尿液、白带、脑脊液、胸腹水、胃液、精液等常规检查，并可用于脱落细胞学的癌及癌前病变检测及分析。 特色及先进性： 1）复杂背景环境下的自动识别。采用自适应双闭值分割算法进行粗分割，提取出ROI区域中的单个细胞或细胞群作为分析目标，细胞图像的精细分割将在每个ROI区域里完成，极大地减少了数据运算量。 2）针对形态各异和边缘模糊图像的精准分割。针对有型成分的显微生物图像特点，去除边界拓扑结构复杂、细胞各组成区域内灰度不均匀以及成像易受噪声干扰等因素的影响，基于Chan一Vese模型，提出几何活动轮廓模型方法，使用几个独立的水平集进行有型成分图像的分割，与传统分割方法对比准确率提升30%。 3）针对种类繁多的神经网络集成识别。基于普通神经网络泛化能力不高的问题，提出利用有限个神经网络进行集成并将其结果进行合成，显著的提高整个分类学习器的泛化能力，提高了整个系统的识别能力。 4）采用重叠分离算法精准分类。有型成分分离、细胞个数的准确读取决定了整个系统的精准程度。通过寻找到合适的分离点并构建分离线，实现重叠区域的快速合理分离，从而将粘连、重叠的细胞分离开来，并进行准确计数。 技术指标： 有型成分 漏检率 误检率 白细胞 5% 15% 脓球 20% 30% 吞噬细胞 20% 30% 红细胞 5% 15% 孢子 15% 25% 夏科雷登结晶 10% 10% 寄生虫 5% 15% 脂肪球 10% 15% 单张图片检测时间：＜0.5 s 关键问题和实施效果 现今国内大多数医院和研究单位对生物细胞或微生物病菌等检测还是采用人工处理的方式，即将样品制成涂片，在显微镜下观察并根据大小、形状等特征进行分类计数以得到数据结果，医务人员再通过这些数据结果凭借自身的知识和经验诊断病症或得出研究数据。该技术能够实现样本显微镜检有型成分的自动识别，满足了临床开展常规及特殊检测需要，使得生物检测在自动化、无异味、无危险性的情况下进行，提高了检测效率，改善工作环境，保护工作人员，降低检测成本和检测时间，提高在国际市场的竞争力，有利于医疗检测行业的智能化发展。该技术可识别的部分生物细胞图像如下图所示。 红细胞 白细胞 霉菌 虫卵