本实用新型涉及一种口腔保健装置，尤其是涉及一种含有窄光谱 LED 红光的牙刷。

近日，南科大“人流大数据和AI驱动的新型冠状病毒（COVID-19）传播建模预测和模拟推演平台”内测版本正式推出（下简称“推演平台”）。该平台可实现在城市尺度上，基于人流移动的新型冠状病毒传播感染情况的细粒度预测和模拟，为有关部门制定不同的隔离和公共防疫政策（如封闭特定城市区域或道路）提供参考。新型冠状病毒的感染传播与人流移动存在密不可分的关联。现阶段的多数研究只停留在简单的相关性分析以及基于全国地图的数据可视化阶段，缺乏在城市尺度上、针对人流移动的细粒度深度分析，更缺乏基于人流移动的传播模拟推演模型以及潜在感染源和风险区域的挖掘模型。随着复工潮的来临，战“疫”面临新的挑战。南方科技大学科研部、工学院、计算机科学与工程系（下简称“计算机系”）和南方科技大学-东京大学超智慧城市联合研究中心紧急组织科研力量，成立“新型冠状病毒传播建模预测项目组”，由计算机系副教授宋轩担任负责人，迅速启动针对新型冠状病毒传播感染的“大数据分析和AI建模推演平台”研发工作。该平台是一个针对新型冠状病毒传播的大数据分析和AI建模平台（如图1），其中预测和模拟推演模型完全由数据驱动，需要使用人流大数据进行训练和优化。数据拥有单位只要将人流大数据输入平台，平台即可以自动完成模型迭代训练，并输出相关的预测和模拟推演的可视化结果。其预测和模拟推演的精度由模型训练数据的质量、精细度和覆盖度决定。平台后续期待更多单位（如GPS轨迹数据、CDR数据等人流大数据拥有单位）参与进来，共同完善该平台。推演平台通过整合、处理和分析各类多模态人流移动和出行大数据，结合新一代的人工智能技术，完成对新型冠状病毒的传播和感染人群细粒度建模，从而实现在城市区域内细粒度预测、模拟和动态推演传播感染情况。平台可实现的基本功能主要有以下几个方面：一是建立新型冠状病毒和人流移动的映射模型，包括传染概率确定/潜伏期分析/传染代数分析等；二是分析隐藏病患，由于疾病传播为链式，可以根据缺失轨迹链反推出尚未确诊的疑似病患；三是分析风险人群，可根据病患轨迹寻找可能有接触的风险人群，提前预警；四是挖掘潜在病原地，分析病人间的轨迹交叉点确认潜在的未知病原地（如图3）。在以上功能基础上，平台可以实现设定不同的公共防疫政策（如封闭城市内的高风险感染区域），在城市尺度上，动态推演和模拟在这些政策下的城市传播感染情况，从而帮助相关部门制定更为高效的隔离和公共防疫政策（如图4）。

本实用新型涉及一种口腔保健装置，尤其是涉及一种含有窄光谱 LED 红光的牙刷。应用范围:可应用于口腔医疗及保健等相关行业效益分析:本发明的目的在于填补现有技术中的不足，提供一种通过窄波段光源的应用，有效治疗牙周炎的含有窄光谱 LED 红光的牙刷。 本发明的有益效果是：本发明在牙刷刷头内设置 LED 发光二极管，LED发光二极管会产生 650±10nm 的低能量红光，对牙齿进行照射，本发明采用了低能量激光照射的原理，通过刷牙，可直接作用于宿主细胞达到降低牙龈炎症，促进伤口愈合；减低牙周袋深度；增加病变的组织早期透明变性。另外，低能量激光照射可产生一连串的生物光学反应，对牙周病的治疗也有良好的效果。二、本发明牙刷设置的环状的刷毛是在控制装置的作用下形成左右摆动，刷牙时，在口腔内刷毛可顺着牙的上下进行往返运动，使牙齿更容易清洁，而不破坏牙龈，有效的避免了现有人们横向刷牙的弊端。三、本发明其控制装置工作时，能够与 LED 照射光源分别独立工作，互不影响。

可以量产/n该项目来源于国家自然科学基金、科技部对俄合作专项、一带一路专项。目前测试服务用户40 多个，来自国内20 个省市、国外个别单位。投产后年产值可达600-800 万元，净利润150-200 万元。主要技术指标:（1）紫外磁光谱：提供紫外偏振光谱、磁圆二向色性、磁圆偏振荧光谱测试服务，磁场1.5T，温度12-300K，波长380-980nm。设备为自研，可生产紫外磁光谱仪。（2）深紫外磁光谱：研发100-300nm

利用十年百余万次的近视眼医学验光大数据，揭示出真实世界青少年近视眼发生、进展与稳定的规律。在此基础上，运用随机森林算法进行机器学习，建立人工智能预测系统，可对近视进展趋势进行个体化预测，3年内准确率达90%，10年内准确率达80%以上，也可提前8年有效预测高度近视，为近视眼的精准干预提供了科学依据。开发出一套人工智能云平台，提供高效的近视预测服务。通过访问智能平台，输入前后两次检查的年龄和度数（间隔至少一年），即可预知10年内的近视度数变化与高度近视风险。       中山眼科中心近年来对近视眼进行了系统性的研究，不断取得突破，产生了重大的社会影响和意义。

本发明涉及一种短期风速组合预测方法，包括步骤:1. 从相关数据采集与监视控制系统中提取历史 风速数据;2. 对提取的风速数据采用聚类经验模态分解进行序列分析;3. 对聚类经验模态分解得到的 各子序列分别建立最小二乘支持向量机模型，并采用自适应扰动粒子群算法和学习效果反馈对影响最小 二乘支持向量机预测效果的三个参数进行综合选取;4. 根据最小二乘支持向量机学习效果选用最优参数 进行预测;5. 叠加各子序列的预测结果，得到风速预测结果;6. 对风速预测结果进行误差分析。本发 明建模过程简单实用，能快速有效的进行风速预测，从而有效进行风功率预测，对电力系统的安全稳定 和调度运行具有重要意义，具有广泛的推广应用价值。

本发明公开了一种二重预测视频编解码方法和装置，解码方法中，解码重建图像的重建过程包含二重预测补偿过程和第二重预测存储，其中二重预测补偿过程包括第一重预测补偿过程和第二重预测补偿过程，其中第二重预测补偿过程的输入包括重建后的第一重残差和重建后的第二重残差；编码方法包括二重预测过程和第二重预测存储，其中二重预测过程包括第一重预测过程和第二重预测过程，其中第二重预测过程的输入包括和第一重残差和第一重残差预测值；此编码方法产生相应码流；本发明使用二重预测编解码方法和装置去除冗余，得到编码性能的提高。

上海大学通信学院蒋皆恢研究团队联合复旦大学附属华山医院、瑞士伯尔尼大学合作团队于2020年4月22日在《European Journal of Nuclear Medicine and Molecular Imaging》上在线发表论文“Individual brain metabolic connectome indicator based on Kullback-Leibler Divergence Similarity Estimation predicts progression from mild cognitive impairment to Alzheimer's dementia”。该期刊是核医学领域最具影响力的顶级学术期刊，在JCR及中科院SCI期刊分区为一区Top，2019年其影响因子达7.182。上海大学为第一单位，上海大学通信学院博士生王敏为第一作者，上海大学蒋皆恢副教授和华山医院左传涛教授为共同通信作者。该研究依托上海先进通信与数据科学研究院、上海大学通信学院特种光纤与光接入网重点实验室、特种光纤和先进通信国际联合实验室进行。 阿尔兹海默症(AD)是引起痴呆最常见的老年退行性疾病，其医疗年花费占国内生产总值的1.47%。由于AD疾病进程不可逆转，一旦确诊绝大多数已至中晚期痴呆。药物赖以起效的靶细胞都已经凋亡，更无从谈药效。因此早期诊断和干预已成为临床共识。轻微认知障碍(MCI)为AD痴呆前期，基于MCI临床基线数据对AD转化进行预测，具有重要的临床价值。18F-葡萄糖代谢(FDG)正电子发射断层扫描成像(Positron Emission Computed Tomography, PET)技术，可在体揭示认知下降过程中的大脑代谢水平变化，但是先前的研究多是基于数值分布的量化分析，而忽视了各神经元之间的代谢相关性，这些代谢相关性可能揭示一些常规指标难以发现的微弱病理生理学变化。因此，蒋皆恢研究团队提出了一种新的基于KL散度估计的、个体代谢连接组学方法，并用于对MCI向AD转化预测。基于公共数据库ADNI数据的研究结果表明，该方法在MCI人群分析中具有较高的有效性、稳定性和特异性。使用该方法构建的脑代谢连接组学预测指标，在510例MCI患者中达到了比传统方法更高的预测效果。本研究为揭示脑内代谢连接异常提供了新思路。论文链接：https://link.springer.com/article/10.1007/s00259-020-04814-x

本发明提供基于微结构参数的黏土固结系数预测方法，该方法包括有以下步骤：进行不同压力作用下土的固结实验，根据常规土工实验测取孔隙比；算出不同固结实验的固结系数；采用扫描电镜方法获得相应样品断面处的微观结构照片；对土的微结构照片进行颗粒体区域和孔隙体区域分割，并抽取颗粒体单元总数、单元方向、总面积、总周长、面积比信息；对颗粒体进行分析并建立累计贡献率95%以上的主成分表达式；建立主成分与该种土固结系数之间的关系。有益效果是采用该方法，将黏土的固结系数与其微结构参数联系起来，可根据黏土的孔隙比和微观参数主

可以量产/n荧光一拉曼光谱仪可以为生物污染、石油污染、食品安全检测领域提供新的快速分析手段，提高我国在环境监测、食品安全检测方面的竞争力。该仪器体积小、使用方便，带电池供电，适于野外及各种现场检测，可以广泛用于食品安全、毒品鉴定、宝石鉴定等多个领域，具有广阔的市场应用前景。主要技术参数如下150-3900cm超宽拉曼光谱覆盖；高达4cm拉曼光谱分辨率；785nm的近红外波长激光器光源；包含专业拉曼数据库，即时对检测物质进行分析比对；配备Au/Ag等贵金属纳米粒子、纳米结构表面增强拉曼基底，表面增强拉