|
搜索
搜 索
高等教育领域数字化综合服务平台
一种固体氧化物燃料电池阴极气体流场板及其制备方法
本发明公开了一种固体氧化物燃料电池阴极气体流场板，用于 均匀分配氧化气和收集阴极电流，其由多个相互平行连接且尺寸相同 的齿形波纹块构成，齿形波纹块由两个错开距离(7)后平行排列连接的 齿形波纹条(3，4)构成，齿形波纹条(3，4)由多个相互交替连接的平顶 凸台(2)和平板(1)构成，平顶凸台(2)呈齿形轮廓状，平板(1)连接所述平 顶凸台(2)的根部，以形成齿形波纹状，平顶凸台(2)横截面形状为等腰 梯形去掉下底边后
华中科技大学
2021-04-14
一种半密封式固体氧化物燃料电池阴极的测试夹具
本发明公开了一种半密封式固体氧化物燃料电池阴极的测试夹 具；包括固定部分、活动部分和底座；固定部分包括用于通气的内管、 用于排气的外管、套筒以及用于收集电流的第一铂线和第一铂网；活 动部分包括连接管，位于内管与外管之间，且与外管同轴设置；底座 包括陶瓷管、端盖、第二铂线、第三铂线、第二铂网和第三铂网；第 二铂线与第二铂网连接，第三铂线与第三铂网连接，第一铂网与待测 样品的工作电极即阴极连接，第二铂网与待测样品的对电极
华中科技大学
2021-04-14
一种可拆卸式固体燃料悬浮燃烧实验测试装置及测试方法
（专利号：ZL 201510089962.3） 简介：本发明公开了一种可拆卸式固体燃料悬浮燃烧实验测试装置及测试方法，属于固体燃料燃烧实验技术领域。本发明的测试装置包括悬浮燃烧机构、燃烧数据采集机构、气体供应机构和点火机构。底座置于底座支架之上，一级燃烧管下端口与底座内管上端口相连通并可拆卸连接，二级燃烧管下端口与一级燃烧管上端口相连通并可拆卸连接，底座内管上端口、一级燃烧管上端口分别设有多孔金属板。本发明的测试方法，其步骤为：燃料的放置
安徽工业大学
2021-01-12
一种两段式固体燃料分级反应动力学分析设备
本发明公开了一种两段式固体燃料分级反应动力学分析设备，包括分级反应发生装置、耦连装置、气路装置、炉温控制装置和分析检测装置，该分级反应发生装置包括独立设置的热解反应器和焦炭气固反应器，所述微型气流床与所述微型流化床由带斜度的通管相连，所述固体燃料颗粒在微型气流床中发生热解反应，随后通过耦连装置实现气固分离，残焦被脉冲气流携带进入微型流化床中进行气固反应，所述耦连装置为采用带筛板的旋转截止阀门，通过气相快速过程质谱仪和与其连接的计算机获得气固反应动力学参数。本发明可直接解耦固体燃料热解及焦炭气固反应过程，微型气流床和流化床内温度和气氛均可独立控制，反应装置结构简单、检测结果精确。
华中科技大学
2021-04-13
安睿特 ART103S 重组人白蛋白（高纯，固体）Recombinant Human Serum Albumin
人血清白蛋白（HSA）由肝实质细胞合成，是人血浆中含量最高的蛋白，可作为载体运 输脂肪酸、氨基酸等营养物质，同时能够调节血浆pH和维持血浆渗透压，是动物细胞培养基中的重要组分之一。重组人白蛋白（ARTrHA）是利用基因重组技术从毕赤酵母中表达纯化得到的重组人血清白蛋白，不含有动物源成分，无任何血源性病毒感染风险，与血清来源白蛋白（pHSA）相比具有更高的安全性和稳定性，可用于多种类型的细胞培养，如间充质干细胞（MSC），胚胎干细胞（ESC），诱导多能干细胞（iPSC）和免疫细胞等。
订货信息
产品货号（Product number）
ART103S
规格（Specification）
10g，100 g
规格参数
CAS
70024-90-7
MDL
MFCD00081418
产品来源（Source of product）
重组毕赤酵母
外观（Appearance）
类白色疏松体或粉末
蛋白质含量（Protein content）
95.0-110.0%
纯度（Purity）
≥ 99.0% ( USP-NF2023)
HCP
≤ 500 ng/g (ELISA)
分子量（Molecular weight）
66.5±6.7 kDa
pH
6.4 - 7.4
内毒素（Endotoxin）
≤ 0.5 EU/mg
使用方法
复溶：建议使用无菌 PBS 溶液溶解 ARTrHA 干粉至 200 mg/ml，再用其他溶剂进行进一步稀释并分装。无菌溶液在 4℃可保存 6-12 个月。开启后，请尽快使用，避免污染。
运输和保存方法
冰袋运输。2-8℃，避光防潮密闭干燥，有效期 24 个月。
应用领域
可用于动物细胞培养、血浆基质对照、体外诊断等。
注意事项
本产品仅用于科研、实验室和生产使用，非临床治疗使用，不得用于动物及人体。
北京知禾新创生物技术有限公司
2024-07-31
一种改善电子传输材料醇/水溶性和电子注入特性的方法
本发明提供一种简单的酸处理方法以改善传统蒸镀型电子传输材料的醇/水溶性和界面修饰特性。传 统的蒸镀型含氮杂环类电子传输材料在醇类或水溶液当中的溶解性一般较差，不适合于制备全溶液加工 的有机电致发光器件。采用简单的酸处理方法将含氮芳杂环质子化进而改善其醇/水溶性，同时这些质子 化后的含氮盐具有良好的界面修饰特性。将这些含氮盐用作电子注入/传输层而应用于溶液加工法制备的 有机电致发光器件当中不仅能够显著提升器件的效率、减缓器件效率衰减，而且还能够简
武汉大学
2021-04-14
电工电子实验室设备,电工实验室,电子实验室
产品详细介绍本公司专业生产电工电子实验室设备,电工实验室设备,电子实验室设备
上海上益教学仪器有限公司
2021-08-23
【高教前沿】齐齐哈尔大学校长郝文斌：立足地方，找准赛道，培养学以致用、会学善用的应用型人才
为深入学习贯彻党的二十届三中全会和全国教育大会精神，落实立德树人根本任务，中国高等教育学会联合中国教育在线推出《高教前沿》系列访谈栏目，汇聚独家视角，分享真知灼见。
中国教育在线
2024-12-06
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