产品详细介绍       蓝眼科技集团 图1 传统录播系统给用户造成了巨大的困扰 昆山蓝眼网络科技有限公司集强大的研发团队、专业的研发水平、先进的生产工艺于一身，在传统全自动录播系统的基础之上，推出新一代常态化OPS智能录播一体机系统，采用一台摄像机，可以实现三机位拍摄，采用两台摄像机，可以实现五机位无死角拍摄，所有拍摄的画面都能实现1080P全高清。拍摄过程中无需专业人员值守，无需外接跟踪主机和分析摄像机便可以实现全方位教师跟踪、学生特写跟踪、板书特写跟踪等智能行为分析，全自动导播拍摄出最佳效果，真正实现“无人值守”、“高品质录播”、“轻松授课”、“快捷安装”，全面满足教学授课、师生互动、教研指导等需要。 图2 新型高清常态化智能录播系统使用户更省力更放心 高清常态化智能录播系统具有以下突出特点：  无人值守  n 全程全场景全自动录播：根据教学实践中的各种情况，系统能自动识别教学过程中的各种关键环节（从讲台到黑板板书、翻看ppt、播放电影片断、使用电子展台等），自动切换场景，实现全程全场景全自动录制。   n 教师跟踪摄像系统：采用图像识别技术。为了保证拍摄主讲人教学教研过程的连续性和完整性，采用单镜头主动式连续跟踪摄像系统，无须人工控制，可对主讲人在水平和垂直两个方向自动连续跟踪主体人物拍摄，增强现场效果。跟踪定位范围不局限于讲台，能很好解决教师转身侧身时的拍摄定位丢失问题。拍摄图像效果具有较佳的角度（平视、仰视）要求和平稳性，镜头切换无屏闪、跳跃感。录入的声音清晰自然。跟踪拍摄的活动范围广，抗干扰性强。采用吊装固定方式。在拍摄电视台学生播音员时能够方便调整摄像机高度，使之具有较佳的平视角度。  n 学生定位摄像系统：采用图像识别技术。系统无需在学生课桌椅上安装任何附属设备，借助于图像识别原理，可以自动识别学生站立回答问题状态。当学生站起来回答问题时，系统自动将学生摄像机定位到该学生，拍摄特写镜头（可分区域），学生回答问题结束坐下后，系统自动将镜头切回老师画面。  n 录制过程自主化: 教师授课的同时，不需要他人帮助而能轻松完成授课全过程的录制。在录播过程中，授课教师可以自主的控制录播主机的开始和结束。为方便课间休息，需提供录播暂停功能，恢复后继续从原停止位置录播，不另行生成文件，不影响最终录制结果。  n 自动生成录播课件的片头片尾：开始录制或直播前，系统会自动根据教师姓名和课程名称生成课件的片头片尾。录播系统支持用户管理，在录播系统上建立教师数据库，教师用帐号密码登录到录播系统后，开始录制或直播前，系统可根据教师个人喜好自动或手动设置、选择合适的片头、片尾图片及文字信息，可输入授课教师姓名、课程名称、校标或者课标，在直播或录制过程中自动添加到输出画面中，给观众必要的信息提示。  高品质录播 u 符合国家教育部2011年11月20号颁布的《视频公开课拍摄制作技术标准》。 u 支持“一机双模”，单画面高清电影模式、高清（1080/720P）多流多画面模式（资源模式）同时录制。要求在录制高清电影模式时，同时录制教师、学生、全景和教师电脑视频，录制的分辨率达到1920*1080，视频采用H.264 (MPEG-4 Part 10: profi1e=main, 1evel=3.0)编码的、不包含字幕的MP4格式，音频压缩采用AAC（MPEG-4 Part 3）格式。. u 录制结果：系统对高清视频信号和VGA信号采用实时采集压缩技术，能够将投影机显示的任何内容（笔记本、电脑PPT等）完整记录，以保证录制的画面与显示的画面保持一致。采集画面达到高清标准，清晰、连续、稳定。系统能将教学过程中的音视频和计算机动态画面进行实时编码保存，存储为通用的格式文件，可与市面主流视频点播、资源库等平台无缝融合，可使用主流非线性编辑软件进行后期处理。录制分辨率要求达到1920×1080，满足高清精品课程的需要。 u 导播平台支持对教师和学生摄像机的自动/手动控制，支持鼠标快速定位选定目标的定位（点击居中功能），以及快速近景、中景特写。 u 具有全自动录播和手动控制导播功能：在手动控制导播模式下，提供数十种广播级的特技转场效果，如淡入淡出、划像、画中画等。同时提供虚拟演播室功能，虚拟背景可以随时更换，支持校标、实时字幕等功能。   轻松授课  n 教师和学生无需佩戴任何额外的装置，包括接收器、麦克风，感应器等等，真正实现无干预、无不适、常态化的轻松录制和高速点直播，使教师精于教、学生专于学，提高教学质量和效率。  n 直播平台能支持上百个点以上的客户机以单播形式在公网及内网上同时观看，延时小于0.5秒，点播平台支持上百个点以上客户同时观看。系统在进行直播时如果网络发生网络故障，故障排除系统会自动重连。不仅满足大量学生远程同步观看名师授课和在家温习讲课内容的需要，同时也能开放给家长一个在线监督学习的平台，给其他教师提供一个在线观摩的机会。  n 支持管理员对录播系统的远程控制。管理员可以在校园网任何一台电脑上即可实现对本系统的开启和关闭操作，并且能够控制系统的录制、停止等操作。方便校长和各级领导可以随时对录播系统的运行状态进行监控，大幅提升教学监督和教学指导的力度。  快捷安装   u 系统高度集成化，成本低，易于实施。摒弃传统录播系统动辄十数台乃至数十台设备、安装麻烦、调试复杂，一间录播教室采用数台设备便可实现，布线简单，安装调试方便，仅需很少的人力开销便能搭建全自动直录播一体化教室，减少培训的周期和花费。使得普通高校教师无需经过专业的培训便可以轻松使用。   u 系统设备少，在使用过程中维护方便。软件系统支持远程升级，随时随刻让用户享受到最新、最全、最前沿的服务。   u 适用范围广，无论是高等学府、中小学院校、企事业单位还是住宅小区和会所等，只要是有教与学关系存在的地方就会用到蓝眼高清常态化智能录播系统。 图3 非云台式智能数字图像教师跟踪 图4 非云台式智能数字图像学生跟踪 图5 教室布局布线拓扑图   团队优势 昆山蓝眼网络科技有限公司是专业从事智能化教学录播软件和设备研制的新型高技术企业。公司拥有一支高素质的专业研发团队，完善规范的自主研发和生产服务体系。掌握了多媒体音视频采集、网络传输、点播直播、图像处理等核心技术。 蓝眼公司本着“简洁、直观、实用、稳定”的理念，开发出了全自动跟踪录播系统、微课录播管理系统、精品课程自动录播系统、互动录播系统、点播直播云录播系统软件和设备。 以“专注教育，竭力创新”的思想，不断开发智慧教学产品。以“真诚、开放、服务”的心态，为致力于数字校园和智慧教育建设的各地经销商、工程商提供系统软件和设备平台，在同行业中具有相当的竞争力！ 专为教学一体机设计的OPS录播系统，ALLINONE触控教学OPS录播一体机，并支持各大知名厂牌大屏一体机及各种规格录播机箱提供OEM/ODM。 蓝眼科技集团专业录播系统解决方案提供商

软性握把，多重把位 专业的软性握把，具有良好的舒适性，提升用户运动中的安全指数。 多重把手带动上肢运动达到全身运动。 11.6 超大LED显示屏 用户可通过触摸选择不同等级阻力和锻炼模式，操作更加直观、反应灵敏。 阻力系统：20 种阻力级别 踏步行程：250mm 跨步行程：700mm 整机尺寸：1535×920×1595（mm） 包装尺寸：1660×990×1580（mm） 净重/毛重：188/244kg 最大承重：150kg

利用有限元仿真进行电动底盘模型的建立，对结构拓扑优化，CAE分析得出最佳方案..

产品名称：碟型水槽台 产品型号：TOOK D07 适用范围：水槽台 釉面色泽：多色可选 主要成分：由高岭土、蓝瓷土、长石等硅酸盐材料，表面釉料采用了进口原料，经1280℃长时间高温煅烧，陶克板由于材料属性不耐氢氟酸，可抵御（除氢氟酸等同类型化学试剂）任何强酸强碱及有机溶剂腐蚀，其耐高温、耐污染、抗辐射、抗细菌、抗釉裂等性能良好，是目前国内乃至全球实验室台面的最佳材质选择。   如何判断优质陶瓷台面 釉面：表面平整度、抗釉裂性、耐腐蚀性能、表面耐划痕等级、有无瑕疵、色饱满度如何。 烧制温度：是否达到1250℃的磁化烧制温度（低于此温度的板材无法瓷化，未瓷化的陶瓷板容易断裂 ,陶克板是1280℃烧制而成。） 耐污染指标：是否符合国家检测标准。  

提供“课前预习与学情分析-课中教学深度互动-课后个性化辅导答疑“全过程智慧教学环境。 轻松满足： ·智慧录播 ·智能交互 ·多端兼容 ·多级架构 应用场景 智慧课堂 提供“课前预习与学情分析-课中教学深度互动-课后个性化辅导答疑“全过程智慧教学环境。 智能录播 打造“融合互动教学、智慧录播、教学研讨为一体”的智慧教学空间，为教育提供有力支撑。 优势特点 智慧录播 支持“一键式”智能跟踪拍摄，轻松实现教学场景内的录播、直播、互动等应用 智能交互 打通课前-课中-课后教学全流程，支持考勤签到、随堂测试、学情分析等应用 多端兼容 BYOD系统兼容性强，广泛支持各类操作系统和电子终端，满足不同用户需求 多级架构 采用“云+校+班“多级架构设计，满足稳定教学、班级管理、数据汇聚的需求

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。

在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。    本实验室与中国中医科学院合作进行中医临床数据仓库与挖掘分析平台，以及中医临床数据挖掘方法的研究，实现了对中医临床采集病历数数据的集成与整合，数据挖掘与分析的中医临床数据仓库及挖掘分析平台，该平台旨在支持从真实世界中医临床诊疗中产生海量科研分析用数据，并以真实、高质量的数据为基础进行中医临床与理论研究，为中医临床疗效评价、临床中药新药创制提供客观的医学证据和适宜的数据分析方法。该成果于2009年12月获得国家科技进步二等奖。   名老中医OLAP展示例子 1.2多维分析与复杂网络分析系统   以中医临床数据中症-证-治的复杂关系和复杂网络分析方法研究为出发点，开发实现了中医临床复杂网络分析系统。该系统包括如联机数据筛选、复杂网络建模、统计特性分析、可视化网络数据筛选等基本功能，能够支持中医临床诊疗数据中的疾病（中西医）、症状、证候、药物等实体内部元素以及实体之间元素的网络模型构建和多种复杂网络分析方法如节点中心性分析、社团分析、节点相似度分析等。从大量的临床数据中分析获得临床核心处方及其主要适应症，以及随症加减信息。该系统采用Eclipse 富客户端(Rich Client Platform, RCP)和Java语言开发（下图是该系统的主界面）。  在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。  获奖证书   1.中医临床数据仓库与挖掘分析平台 通过分析中医临床数据元素及其多维、多层次的关系特点，研究设计了中医临床参考信息模型，以及为基础构建中医临床数据仓库细节数据模型和多维数据模型，建立以数据仓库为核心的数据整合、数据抽取/转换/转载和数据整理、数据挖掘、OLAP和统计分析的智能信息处理平台。该平台以中医临床数据仓库及其运行环境工具的构建为基础，基于实际的临床诊疗数据，实现对中医诊疗数据进行多主题、多粒度、多需求、高效、快捷的展示、研究和查询检索，并支持基于Web的OLAP主题应用，为名老中医经验继承研究、中医临床评价研究和临床科研提供实际的诊疗数据证据和知识来源，以支持临床科研决策分析，满足中医临床评价研究的探索性分析需求。针对中医临床数据的特点，研究体现中医临床数据模型特点的数据挖掘新方法，为面向中医临床研究的数据挖掘和机器学习方法研究提供新的思路和研究方向。该平台的构建初期以重大慢性疾病：中风、冠心病和糖尿病诊治规律，以及名老中医经验传承研究为支持目标。   中医临床数据仓库平台   1.1中医临床数据预处理技术临床数据的预处理包括数据整合、数据整理和数据转换等技术，我们面向中医临床数据结构内容以及中医临床研究的分析需求，实现具有完善的数据抽取-转换-装载（Extraction-transforming-loading，ETL）、数据整理和数据转换导出功能的数据前处理软件。该软件针对医学数据利用中的分布式（多采集点）采集、患者隐私保护和大规模数据处理的特点，采用灵活的数据映射配置和临床术语库衔接等方式把各采集点数据导入到临床数据仓库中，并支持批量数据核查和数据规范整理（对临床数据中的术语性数据如症状体征、诊断和药物等进行概念化语义规范）功能。   在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。   名老中医OLAP展示例子    以中医临床数据中症-证-治的复杂关系和复杂网络分析方法研究为出发点，开发实现了中医临床复杂网络分析系统。该系统包括如联机数据筛选、复杂网络建模、统计特性分析、可视化网络数据筛选等基本功能，能够支持中医临床诊疗数据中的疾病（中西医）、症状、证候、药物等实体内部元素以及实体之间元素的网络模型构建和多种复杂网络分析方法如节点中心性分析、社团分析、节点相似度分析等。从大量的临床数据中分析获得临床核心处方及其主要适应症，以及随症加减信息。该系统采用Eclipse 富客户端(Rich Client Platform, RCP)和Java语言开发（下图是该系统的主界面）。     中医临床复杂网络分析系统  1.3 真实世界中医临床有效处方发现系统 中药新药创制与研发是极具挑战和机遇的领域，当前化学制药和单成份药物研发已经出现明显的瓶颈，传统植物/天然药以及多成份复方药物的研发成为国内外关注的焦点。而从多成份调控和多靶点机理的研究为主要视角的网络药理学更成为新的趋势和方法。针对中医临床诊疗过程中具有证-治-效信息，且个体性的真实世界诊疗实践特点，我们研究基于大规模临床诊疗数据进行有效处方分析和发现的问题，通过对以中药复方为重点的治疗手段药物组成原理的分析，基于复杂网络模型和方法研制形成了有效核心处方及适应症分析方法、有效临床中药筛选与发现系统，对基于真实世界临床诊疗数据分析获得有效处方知识的方法、技术平台和示范应用进行了探索和初步实践，初步表明从真实世界临床诊疗数据中发现和挖掘有效方药是一种可行的途径，有望为中医新药创制提供可以验证的新处方、新药物等临床有效目标药物。     1.  中医临床数据挖掘分析方法 海量观察型临床数据是中医辨证论治数据的主体内容，具有复杂、多维和多关系的特点。从大规模中医临床观察数据中分析提炼形成有意义的临床假设或诊疗知识如有效处方、人群划分、药症关系以及多阶段优化治疗方案等，是实现从复杂、系统的中医辨证论治过程中发现并确认有效优化的临床诊疗处方及其药物组成的基本方法。中医临床数据包括门诊数据和住院数据两大主要部分，其数据内容由临床表现、诊断和治疗（临床疗法）三部分核心内容（如下图），其中辨证知识、证候分布、药症关系、方证关系和药物组成等是数据挖掘和分析的主要目标，而所有这些知识的有效性的评价依据是临床疗效，即确认和发现临床有效的中医诊疗知识是中医临床数据挖掘分析方法的主要有价值研究目标。    中医临床数据挖掘问题：在疗效信息的约束下，验证和发现有价值的临床诊断/治疗关系知识。  2.1基于复杂网络的中药配伍分析方法 人们通过对中医临床处方数据的初期分析，并与临床专家的交流中发现，名老中医的临床复方的组织特性体现在两个层次。第一层次为临床医生一般以经典复方（包括经方、时方和验方等）为基础进行临床处方；第二层次为在药对或药症关系基础上的药物随症加减处理。这两个层次的临床处方配伍过程形成了具有核心处方结构，而又具有较大灵活性的处方集合。因此，通过对名老中医处方集的共性网络结构分析，能够发现体现其处方思维和学术特点的核心处方配伍结构，从而辅助进行名老中医经验的传承和整理研究。通过应用基于无尺度网络现象的网络分析方法进行研究。无尺度网络作为复杂系统研究的一种实证现象和方法，对基于网络研究复杂现象和复杂系统的方法具有很大的推动作用。具有宏观无尺度现象的网络在拓扑上存在幂律现象，即节点的度分布服从幂函数分布。这在医生处方中的具体体现就是某医生对药物的使用具有比较集中的趋势，某些名老中医偏好使用某些药物，使得这些药物的已有或潜在功效得到更大的发挥或挖掘。 我们基于网络中权值的幂律分布规律，实现了多层核心子网分析方法，能够从复杂的中药配伍网络中抽取多层核心子网。该算法已经在名老中医处方配伍经验的分析中得到广泛应用。其得到的结果具有直接而明确的临床含义，且可靠性较强。第一层核心子药物子网一般解释为共性的核心处方；第二层解释为主要药物配伍；第三层解释为次要药物配伍。这些药物配伍分别对应样本的核心病机如主要疾病和主要证候等、兼证和加减症状等。以下是两类特定中药处方：1287个肝脾不调证(GPBT)处方和752个2型糖尿病合并代谢综合征处方的分析结果。   特定中药处方的核心药物配伍网络和主要加减网络，其中的网络中的节点是药物，边的权重表示两相关药物配伍使用的次数。 2.2基于隐主题模型的疾病人群临床特征类别分析方法 症状-中药-诊断主题模型（Symptom-Herb-Diagnosis Topic model，SHDT), 用来提取中医临床数据中的症状、中药和诊断间的隐主题结构。SHDT模型是LDA主题模型在多关系应用中的扩展。该模型的核心思想是假设一类样本里面包含有多个主题，例如，一类糖尿病人群有不同的并发症，且这些主题所包含的信息特征（以症状来表达）具有相对完整性和独立性。SHDT把每个主题看作是症状上的多项式分布，并通过症状来表达主题的内容；同时，把每种中药看作是主题上的多项式分布，因为一类中药可以治愈多种症状/疾病；又因为一种诊断包含多种症状/疾病，于是把诊断看作是对主题的描述，构建一种“症状-中药-诊断”主题模型。SHDT模型这种分析原理和思路与中医辨证论治过程基本吻合，它可以客观地按照症状找到自然分类人群，给出诊断描述特征和中药治疗特征。SHDT模型分别在2型糖尿病、冠心病和肝炎等慢性疾病中进行人群特征分析。实验结果说明了该模型具有较好的适宜性和科学性，分析结果能够较为完整的反映特定疾病中相关的主要人群特征类别。   症状-中药-诊断主题模型，图中三个黑色圆圈，代表显变量（观察变量），其中s 表示一个采样症状，表示患者p的所有药，表示患者p的所有诊断。白色圆圈代表隐变量，其中z 采样症状s对应的主题，x表示s对应的药，u表示s对应的诊断。矩形框表示重复采样。外部矩形框表示在集合中有P个患者。内部矩形框表示对患者p的个症状、主题、药物以及诊断重复采样。 2.3基于内隐对照和部分可观察马尔可夫决策过程模型的动态序贯处方治疗方案优化方法 中医辨证论治是症-治-效紧密相关的个体、动态的复杂干预过程，动态序贯干预是中医临床治疗慢性疾病的基本方法。以患者为轴心的治疗原则和医生的个体性特点，使得中医动态序贯干预过程中包含多样化的治疗方案。在临床诊疗经验知识的形成阶段，医生往往通过对治疗前后患者健康状态的判断，试图获得较好的治疗方案的认识，进而逐步形成固化的有效经验性治疗方案。因此，在无外部对照的情况下，如何从大规模的复杂多维临床关系数据中发现并确认在临床实际中较优的动态序贯诊疗方案是有效临床方案形成的重要课题。 考虑到实际可行性和研究代价的问题，在未有明确的有效干预方案形成的临床研究初期，无外部对照的传统中医经验整理和归纳普遍存在，且长期的中医学实践表明是有效的。但由于临床诊疗信息关系的复杂性，基于传统经验整理方式形成有效治疗方案是一个较为漫长的过程。 因此，如何借助源自真实世界（无外部对照）的大规模临床观察数据，进行挖掘分析，以辅助发现和确认较优的临床治疗方案成为辨证论治临床评价研究的关键问题之一。我们采用部分可观察马尔可夫决策过程模型(POMDP)对此问题进行研究，实现了基于POMDP的中医临床处方优化分析方法，以探寻从来自临床实际的大规模观察性临床数据中发现较优或最优的动态序贯治疗方案，为中医辨证论治有效动态干预方案的形成和临床验证提供参考知识。   中医临床诊疗过程对应的POMDP模型 1.  成果的推广应用 本成果已经在国家科技重大专项：重大传染病防治、重大新药创制等两个项目；国家科技支撑计划项目-名老中医经验传承研究；北京市科技攻关项目和国家中医临床研究基地等项目中进行推广应用。分别对艾滋病、肝炎和肺结核等传染病的中医药防治规律，从中医临床中分析确认有效处方与药物，名老中医的辨证论治个体诊疗经验，中风、冠心病和糖尿病等重大慢性疾病的临床诊治规律，以及全国10余家重点中医院诊疗优势病种（如上海龙华医院的中医胃癌治疗、骨关节病治疗；河南中医学院一附院的中医艾滋病治疗、中医慢性阻塞性肺炎治疗等）的临床诊疗优化方案等进行应用研究。逐步探索和完善中医临床科研一体化技术体系，支持基于临床诊疗实践及其真实世界诊疗数据，进行中医临床研究和中药新药创制研究的医学模式。   北京地区22家单位应用分布图

一种用于色域最大化的多色打印印刷系统拆分式建模方法，包括制作并打印各基色的单色梯尺，确 定每种单色墨量的超限阈值，测量等比压缩后单色梯尺的光谱值，建立对应关系;对原始多色打印印刷 系统拆分打印印刷系统子模型;进行墨色空间全局采样，获得所有打印印刷系统子模型下的采样样本， 仿真获取预测光谱反射率信息值;针对所有子模型，使用凸包算法计算得到墨色空间全局采样色域体积; 进行 K 个子模型的组合并使用凸包算法获得每种组合的色域体积，当最大色域覆盖率大于预设阈值时， 锁定对应最大色域覆盖率的组合，实现原始打印印刷系统的拆分式建模。该方法具有显著降低系统拆分 建模复杂性、避免墨量超限问题、提高输出色彩稳定性等技术优势。