支持百人之内的小班授课，师生可随时随地开展沉浸式教学活动

基于MOOC的在线教育平台 a.历时数年研发出的整套MOOC权威解决方案； b.轻松创建院校自己的学习门户，用来展示其课程、专业以及院校风采等； c.缴费支付全走通，招生管理、报名管理、课程管理全不误； d.强大的统计分析功能，支持财务统计、课程统计、学习统计等。

在线式去皮机主要针对鸡、鸭、鱼等小型动物屠宰行业，适用于片状物料、单侧带皮的皮肉分离。

一、产品简介 万方在线组卷系统是一款专门为中学师生订制开发的选题组卷的工具。目前内置百万试题，覆盖了初、高中六个年级的所有升学考试学科，为保证试题质量，题库内录入的题目全部来源近年来各地的中高考的真题和名校名卷。 主要功能：人工选题、智能选题、试卷预览、设置卷参、试卷下载与存档、试题和试卷的收藏，试卷输出。用户可以对题库中的试题进行学科、学段、考试类型、难度、知识点等进行筛选；也可以对试卷的样式根据不同的应用场景进行调整；对组成的试卷可以存档、删除、修改，并且提供Word格式的文件下载。 万方在线组卷系统与国内多家名校的近千名一线教师正式签约，建立了长期合作关系。由他们精心地为试题提供分级解析，并定期地更新试题资源，以保证与时俱进地把握近年的中、高考的考频动向，成为广大师生练习与测试的在线组卷利器。 2015年万方在线组卷应广大客（用）户的迫切要求，推出了万方在线组卷的镜像版服务。可以独立部署到客户的服务器上，实现了客户自建题库功能，增加了后台管理功能：录题、分题、答题、审题、知识树的创建，账号及权限管理，对于题目入库流程实行规范权限和分级管理。 二、产品使用说明 通过首页的主题导航，您可进入在线组卷系统。首次进入需要您先选择关注的学科。为了能更好地保存您的使用记录，建议您使用个人帐号使用在线组卷系统。组卷系统主要包括三部分：组卷中心、试卷中心和个人中心。 （一）组卷中心 组卷中心选题方式有两种:人工选题和智能选题。 1. 人工选题 可以直接对题库中的题目进行条件筛选和检索。 1) 筛选条件有：知识点、年级、类型、题型、难度、地区、年份等；在检索框内输入关键字可以实现题目全文检索。 2) 确定筛选范围和检索条件后，对于结果页面的试题进行手动添加至试题篮，可以逐一添加，也可以整页添加。 3) 添加后试题的数量和题型会在试题篮中显示，试题篮不但可以查看所选的试题的题型和数量，还可以进行清空重置的操作。 完成选题后，可以进入预览试卷进行样式调整。 2. 智能选题 点击智能选题，进入智能选题页面。 1) 选择知识点，确定题型、难度和数量，注意，添写数字时不能超出题库中检出符合条件的试题数目。 2) 保存后进入确认页面，可以就选定的知识点下的题目数量进行修改和删除，也可以在左侧知识树上继续选择追加下一个知识点，重复设置题目的操作。如果没有需要修改和追加就可以点击右侧下方的确认设置。 3) 点击确认设置后出现智能选题的结果页面，可以手动全部加入试题篮，也可以逐一加入试题篮，选题结束同人工选题一样要进入预览试卷进行样式调整。 3. 试卷预览 在下图A区可以设置卷参，有四种常见样式可选，也可以自定义样式；在如下图B区对卷体进行设置，可以通过鼠标来拖动小题进行小题的重新排序，左侧的设置与右侧的预览界面内容是相互连动的。 1) 进行卷参设置时，会弹出对话框，在相应的位置填写文本注释即可。  2) 对于单个小题，可以进行查询详情、删除、上移、下移和智能换题的操作。 3) 试卷设置完成后可以存档备用，也可以直接下载WORD，同时可以下载答题卡和查看试卷分析。 4) 如果对现有题目还存在不满意的情况还可以选择返回选题，返回选题会直接回到组卷中心的人工选题页面。 （二）试卷中心 进入试卷中心后可在如下图A区进行选择筛选条件，在如下图B区输入关键字进行试卷的名称的检索。  1. 浏览试卷 点击试卷标题和浏览按钮可以进入试卷浏览页面，如下可以对题型进行筛选。在浏览页面可以对试卷中的单个题目进行手动添加到试题篮进行组卷，也可以对感兴趣的题目加入收藏。 2. 添加收藏 点击收藏后，操作按钮变为取消收藏，同弹出提示收藏成功，收藏成功的题目会被记录到个人中心的我的收藏中，更加方便查找。 （三）个人中心 个人中心包括两大部分：一部分是我的试卷，其中记录着我保存的组卷记录和我下载的试卷记录；另一部分就是我的收藏，其中记录着我收藏的试题和系统试卷。 （四）帮助中心 在组卷中心，试卷中心，个人中心，浏览试卷页面，单击右上方问号，可进入帮助中心，观看视频。

简介： 1、胰腺肿瘤CT图像诊断算法。针对胰腺肿瘤分类问题，从医学CT图像出发，搭建深度学习模型。对于肿瘤分类，我们将问题建模成两部：胰腺定位查找和胰腺肿瘤分类。我们建立级联分割网络，从病人腹部的CT图像中将胰腺器官分割出来。级联分割网络比之前的层级分割网络结果提升10各点。之后建立多模态分类网络，针对CT图像的特性，将多切片多造影剂时期多区域的数据进行融合，在胰腺肿物分类中取得了较好的结果。 层级分割模型示意图  分类模型可视化热图   2、现有的乳腺癌腋窝淋巴转移的医疗诊断措施为病理活检，是一种过度医疗。基于乳腺钼靶图像的术前无创的乳腺癌腋窝淋巴转移预测手段能够有效避免过度医疗。我们构造了基于乳腺钼靶图像的深度卷积神经网络模型来处理乳腺癌腋窝淋巴转移问题。我们对乳腺钼靶数据进行了预处理和数据集的整理、划分。我们构造了三个不同的深度卷积神经网络，患病侧单体位网络、患病侧双体位网络和双侧双体位四视图网络。其中，患病侧单体位网络分为 CC 位网络和 MLO 位网络。在乳腺钼靶数据的测试集上，患病侧 CC 位网络、患病侧 MLO 位网络、患病侧双体位网络、双侧双体位四视图网络的结果依次递增。这表明了同时使用同一患者的四张钼靶图像的双侧双体位四视图网络具有更好的预测效果，更适合乳腺癌腋窝淋巴转移预测任务。对于双侧双体位四视图网络，我们不仅使用了双侧测试集 1，还使用了额外的双侧测试集 2 进行测试。 钼靶乳腺图像预处理   双侧双体位深度学习网络   优势：从客观的医学图像数据出发，结果可重复，而且高效快捷，提高识别准确率的同时，便于临床推广。  

1、胰腺肿瘤CT图像诊断算法。针对胰腺肿瘤分类问题，从医学CT图像出发，搭建深度学习模型。对于肿瘤分类，我们将问题建模成两部：胰腺定位查找和胰腺肿瘤分类。我们建立级联分割网络，从病人腹部的CT图像中将胰腺器官分割出来。级联分割网络比之前的层级分割网络结果提升10各点。之后建立多模态分类网络，针对CT图像的特性，将多切片多造影剂时期多区域的数据进行融合，在胰腺肿物分类中取得了较好的结果。层级分割模型示意图 分类模型可视化热图 2、现有的乳腺癌腋窝淋巴转移的医疗诊断措施为病理活检，是一种过度医疗。基于乳腺钼靶图像的术前无创的乳腺癌腋窝淋巴转移预测手段能够有效避免过度医疗。我们构造了基于乳腺钼靶图像的深度卷积神经网络模型来处理乳腺癌腋窝淋巴转移问题。我们对乳腺钼靶数据进行了预处理和数据集的整理、划分。我们构造了三个不同的深度卷积神经网络，患病侧单体位网络、患病侧双体位网络和双侧双体位四视图网络。其中，患病侧单体位网络分为 CC 位网络和 MLO 位网络。在乳腺钼靶数据的测试集上，患病侧 CC 位网络、患病侧 MLO 位网络、患病侧双体位网络、双侧双体位四视图网络的结果依次递增。这表明了同时使用同一患者的四张钼靶图像的双侧双体位四视图网络具有更好的预测效果，更适合乳腺癌腋窝淋巴转移预测任务。对于双侧双体位四视图网络，我们不仅使用了双侧测试集 1，还使用了额外的双侧测试集 2 进行测试。钼靶乳腺图像预处理 双侧双体位深度学习网络 优势：从客观的医学图像数据出发，结果可重复，而且高效快捷，提高识别准确率的同时，便于临床推广。

猪流感(Swineinfluenza，SI)是目前危害养猪业的一种重要的 呼吸系统疾病，是规模化养猪场普遍存在且难以根除的群发性疾病之一。项目 开发了猪流感病毒的快速检测方法，制备了猪流感灭活疫苗（H1N1 亚型 SSD 株）。 经过临床试验证明，注射疫苗可显著提高仔猪成活率。 生产条件及经济效益预测：经过市场推广，疫苗销售良好，用户反应免疫 效果良好，可以显著提高仔猪抵抗力，仔猪成活率和出栏率提高 10%。平均每年 能为社会增加 1365 万元的经济效益；用于该项科研成果的每 1 元研制费用，在 经济效益计算年限内，平均每年可为社会增加 5.35 元的纯收益，经济效益非常 明显。

  肠癌合并同时性腹膜转移（PC）的发病率约为5-10%，复发时合并腹膜转移发病率为25-44%。“腹膜转移如果能够早期诊断，可以增加彻底减瘤手术的机会，未来能够明显延长肠癌患者的生存期。”王辉教授说。2018年团队和深圳腾讯AI lab建立了合作关系，研发一个基于卷积神经网络（CNN）的ResNet3D系统。经查，这是世界上第一个诊断肠癌腹膜转移的AI平台，能够自动识别原发肿瘤特征，同时提取肿瘤临近腹膜的影像学特征，构建基于人工智能的SVM分类器。训练组一共纳入了19814张CT图像，验证组包括了7837张CT图像。    研究发现，ResNet3D的AI系统仅需花费34秒就自动识别并诊断了所有验证图像。“ResNet3D+SVM分类器”的肠癌腹膜转移诊断的准确性高达94%，AUC为0.922，敏感性和特异性均高达94%，明显优于常规增强CT的诊断能力。

本成果属于一种计算机信号处理软件:首先用生理信号传感器(电极 帽)将脑电信号采集进计算机，然后由计算机程序自动识别出脑电信 号的类型用于医疗诊断。脑电信号波形复杂，肉眼诊断困难，医生需 要经过多年培训才能用肉眼识别脑电信号中的异常，目前只有大城市 有少量医生可以识别脑电信号中的异常，患者太多、有经验的医生太 少，采用仪器自动诊断可以缓解这一矛盾。 脑电信号采集时的电极的位置和病人睁眼或闭眼都会影响信号的波 形，从而影响医生的诊断;本软件对电极的位置和病人是否睁眼或闭 眼都不敏感，稳定性高。 本软件在