|
搜索
搜 索
高等教育领域数字化综合服务平台
分子筛膜溶媒回收技术
该技术产品实现了低成本、高性能分子筛膜的规模化制备，获得了能够稳定运行的膜分离装备。与传统精馏、吸附等技术相比，该技术可节约能耗50%以上。技术指标：该技术依据分离体系处理量的要求，设计不同膜面积的分离装置，原料预处理方式等，开发出渗透汽化膜分离工艺。已在化工、生物医药等企业推广工业装置70余套，涉及甲醇、乙醇、异丙醇、乙腈、四氢呋喃等多种溶媒脱水，为企业创造出显著的经济效益。在有机溶剂脱水领域具有广阔的应用前景。
南京工业大学
2021-04-13
高导电高分子点胶
中试阶段/n高导电高分子点胶是一种具有电磁屏蔽功能、使用时可在施工部位就地成型的一类电磁密封材料。在成型前呈膏状，成型时通过在需要电磁密封部位挤压成所需要的形状，在常温下自动固化，形成弹性体衬垫。具有高电性能而达到电磁屏蔽的目的。该材料最大的优点是可将这种半流体状材料，按照客户指定的尺寸和形状要求，直接点涂到电子装置部件，在室温下成型成衬垫，消除了使用传统衬垫时裁切成型及装配工序，从而大大节省装配时间和制造成本，产品无污染。主要用于电子产品。技术指标：体积电阻率＜0.08Ω?cm；绍A硬度：45-7
湖北工业大学
2021-01-12
植物光形态建成重要分子机理
结合遗传学和生物化学的方法，证明Serine/Threonine Kinase（丝氨酸／苏氨酸激酶）PINOID（PID）直接与COP1进行相互作用并针对其第20位丝氨酸残基进行磷酸化修饰。这一翻译后的修饰导致了COP1活性的适度降低，从而维持了植物体内COP1活性处于一个正常稳定的状态，以适应植物生长过程中所遇到的多变的生长环境和确保植物顺利的进行光形态建成过程。该项研究揭示了一个光调控植物幼苗形态建成的一个重要分子机制，为进一步理解光调控植物生长发育信号通路具有重要意义并为通过基因工程技术改良作物种子的出土效率提供了理论基础。
南方科技大学
2021-04-13
小分子诱导植物抗性技术体系
一、成果简介 化学农药防治病害给环境和生态造成了污染，同时也给食用安全留下隐患。小分子诱导植物自身获得系统性抗病能力，具有环境友好、绿色安全、稳定持久和广谱高效特点，为植物病害的绿色 高效防控提供了新的思路。该项技术筛选一类分子量小、结构简单、组织分布广泛、生物效应多样、免疫原性低、本身不杀菌但可诱发植物自身主动抗性的小分子活性物质，构建抗病、抗低温和定向 品质提升技术体系，实现不用
中国农业大学
2021-04-14
纳米ZSM-5 分子筛
ZSM-5 分子筛在国内外已有广泛的用途，是石油化工、精细化工等行业多种催化剂的母体。柴油临氢降凝催化剂，固定床催化裂化催化剂和低烃烷基化、异构化，甲醇气相合成二甲醚以及脱腊降凝催化剂都是以ZSM-5分子筛为母体经过改性制成的。在流动床催化裂化反应FCC 催化剂添加 ZSM-5 分子筛对提高汽油辛烷值，增加气体的烯烃含量有明显效果。 采用新型高压水热晶化合成法制备的硅铝分子筛ZSM-5，具有工艺简单、无污染、质量稳定、水热稳定性高等优点。
南开大学
2021-04-14
分子筛膜溶媒回收技术
分子筛膜渗透汽化脱水技术是一种新型的膜分离技术，通过膜一侧引入含水有机溶剂，而另一侧抽真空的方式，能够有效实现溶剂脱水，获得高纯溶剂产品。与传统精馏、吸附等技术相比，该技术可节约能耗50%以上，收率达99%。除此之外，该技术操作方便、过程易于控制并且环境友好，无废弃物排放。
南京工业大学
2021-01-12
26009分子间隔实验器
宁波华茂文教股份有限公司
2021-08-23
新型冠状病毒肺炎智能辅助诊断系统
新冠肺炎疑似病例基数庞大，给临床一线诊疗带来巨大压力，疫情波及地域广泛，基层医院缺乏经验，面临严峻挑战。由清华大学精密仪器系尤政院士、临床医学院董家鸿院士领导研发的新型冠状病毒肺炎智能辅助诊断系统成功通过应用测试，进入临床试用阶段，有望为上述难题提供解决方案。新型冠状病毒肺炎智能辅助诊断系统董家鸿介绍，新型冠状病毒肺炎智能辅助诊断系统可同步实现智能化影像诊断、临床诊断及临床分型三大功能。该系统包括三大模块，其中影像诊断模块主要基于对新型冠状病毒肺炎初诊病例的珍贵临床资料的大数据分析，使用人工智能算法深度学习该疾病的CT影像特征，实现对新型冠状病毒肺炎影像的智能识别。临床诊断模块则依据卫健委发布的《新型冠状病毒感染的肺炎诊疗方案(试行第五版)》，结合影像与流行病学、症状及关键检验数据等临床信息，实现智能诊断。临床分型模块通过智能判读呼吸功能参数，“自适应”判断新型冠状病毒肺炎的严重程度。董家鸿谈到，该系统可在短时间内完成大量疑似病例的胸部CT筛查、依据指南进行临床与影像相结合的综合分析，显著提升新型冠状病毒肺炎诊断效能，有望大幅降低临床医师及影像医师的工作负荷。
清华大学
2021-04-10
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
旋转机械振动故障分析和诊断技术
在长期为电力行业解决设备重大疑难故障的实践过程中，提出了轴系载荷分配测试、分析和优化调整技术，发展了动平衡和振动故障诊断技术，提高了动平衡效率和振动故障诊断准确率。先后解决了田湾和秦山核电、平圩、宣城、姚孟、福州等40多家电厂100多台、次大型机组重大疑难振动问题。该项成果先后获得江苏省科技进步一等奖和国家技术发明二等奖。
东南大学
2021-04-11