功能特性 　　以自动识别目标位置、并动态控制摄像头跟踪拍摄，实现教师跟踪、板书定位、试验台定位、确保教师和板书特写画面、以及试验台操作画面以及教师在课室范围内任意位置准确、实时拍摄。 　　一体化硬件设计， 设备高度 1U，稳定可靠，采用图像识别技术跟踪； 　　支持多路摄像的跟踪定位拍摄，分别对应教师区、学生区以及板书区；支持阶梯教室跟踪，不会因为前后座位高度的差异导致跟踪混乱。 　　为了满足不了用户对教师特写镜头的需求，图像跟踪系统支持跟拍和切换两种模式可选。 　　利用先进的图像识别技术，系统能判断教师的肢体动作，精确识别教师位置，使教师景位更稳定，不会随教师肢体动作晃动。 　　教学行为数据采集功能，可以自动采集教师的教学模式数据、讲课时长、师生活跃度数据等。 教师身份认证 　　系统支持通过人脸识别技术自动判断教师身份，包含教师姓名、所在班级、学科等，便于快速完善课程信息。北京文香人脸识别技术采用先进的“深度学习”算法，准确率达到99%。所获得信息与校级资源管理平台进行无缝对接，课程录制上传到资源平台的视频可根据课程信息自动进行分类存储。 学生行为分析 　　学生区巡视功能，目前市场上存在的跟踪系统均是对教师，学生，板书跟踪策略的定义，而针对教研有时我们还需要了解上课过程中学生们具体的表现北京文香所研发的学生区巡视功能正是为了满足这种需求学生区视功能是通过架设台学生云台摄像机， 此摄像机通过图像跟踪体机的设置，不断的对学生区各个学生进行特写扫描并同时录制成1080P高清视频文件。通过图像跟踪体机的模式检测功能，可以设置学生巡检区以及巡检策略。 　　在使用资源管理平台点播功能时，点击正在播放视频内部的悬浮框之中的学生义视按钮，可打开学生选视的高湾视质在观看教师上课的同时，了解学生听的实时动态，对后期教学评课具有重大意义。 产品

产品详细介绍上海景瑞全自动录播系统使用混合定位,其中： 老师：图像跟踪定位 学生：声音跟踪定位 通过图像分析确定老师的位置，实现定位。特点： 1. 通过判断老师的走动速度，自动调节云台摄像机的转动速度，画面平滑无抖动； 2. 通过老师的手势识别，判断是否在板书，给予板书特写； 声音定位： 不同于图像定位是基于身高的判断，声音定位可以更准确定位学生位置： 1. 适用于任何场景，它可以在学生不起立、全起立、阶梯教室等开放的场景下准确定位发言学生的位置，快速给予学生特写镜头； 2. 美观简洁：图像识别需要在教室四周部署多个辅助摄像头，而声音识无需部署任何辅助摄像头，教室整体美观简洁。

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。 成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.） 致癌性预测服务器首页 致癌性预测结果页 相关综述对本服务器的介绍 RF-hERG-Score预测药物引起的hERG相关心脏毒性 2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。 特异性重打分函数显著虚拟筛选性能显著较高 筛选出两个候选抑制剂 3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。 lncRNA-蛋白质相互作用预测模型的性能比较 lncRNA-蛋白质相互作用预测服务器相关软件著作权：

本发明公开了一种并行 LLL 高维模糊度降相关算法，首先通过混合利用 Cholesky 下三角 LTL 分解 以及上三角 UTU 分解，提高 LLL 算法针对高维模糊度降相关的计算效率，增强高维模糊度降相关的能 力。其次为了得到降相关能力较强的 Z 变换矩阵，所以在每一次 QR 分解变换过程中，变换系数矩阵要 获取较小的整数值，因此在每次下三角分解前先对模糊度协方差矩阵的行向量按内积大小进行升序排序， 而在上三角分解前先对矩阵的列向量按内积大小进行降序排列，由此求得的 Z 变换降相关性能更佳。最 后把算法正交变换过程中的取整运算移至在求 Z 矩阵时取整，可以避免算法迭代过程中反复取整而引起 的误差累积，解决算法发散的问题，从而进一步提高并行 LLL 算法的计算效率和稳定性。 

本发明提供了一种通过牙颌石膏模型CT数据和牙颌的全景透视图重建全牙的三维模型方法，它采用以下技术方案：使用口腔专用锥形束CT(CBCT)扫描牙颌石膏模型，获得石膏牙模CT数据；对石膏牙模CT数据进行三维重建，获得牙颌的三维几何模型；提取牙冠的三维几何模型；提取全景透视图上牙齿侧面轮廓信息，结合牙冠模型生成牙根的三维几何模型；组合牙冠和牙根的三维几何模型为全牙三维模型。本发明可以在全景透视图只有牙齿侧面轮廓的二维信息的基础上，根据CT数据中牙冠部分的三维几何信息，生成全牙的三维几何数字化模型。本发明能应用于全景透视图中的每一颗牙齿，生成带有精确牙列的牙颌模型，可以应用于牙颌正畸矫正、计算机模拟排牙。

一种抗肿瘤活性的大黄素和5-氟尿嘧啶拼合物及其制备方法，属于用于抗肿瘤药物的衍生物。本发明的大黄素和5-FU拼合的衍生物，为3-取代的1-(1,6,8-三甲氧基-3-甲基-9,10-蒽醌-2-甲基)-5-氟尿嘧啶衍生物，其制备方法是以大黄素为原料，经6,8-二甲基化、2位羟甲基化、1位甲基化、再将2位羟甲基氯代，然后与5-FU的N1位连接，最后将得到的拼合物与不同的卤代烷或取代氯苄进行N3-烷基化，得到目标化合物。本发明的大黄素和5-氟尿嘧啶的拼合物对肿瘤细胞和正常细胞具有较好的选择性，可用于制备治疗癌症的药物。体外抗肿瘤实验表明，本发明提供的拼合物与5-FU及大黄素相比，对正常细胞的毒性明显降低。

【发 明 人】马宏跃；段金廒；周婧；唐于平【技术领域】本发明涉及日蟾毒它灵及其盐化物的新用途，具体是涉及日蟾毒它灵及其盐化物在制备治疗妇科肿瘤药物中的应用。【摘要】本发明提供一种日蟾毒它灵及其盐化物在制备治疗妇科肿瘤药物中的应用，通过对蟾蜍甾烯提取物和单体化合物日蟾毒它灵、华蟾毒精、蟾毒灵、蟾毒它灵及以上四个化合物的盐酸盐或硫酸盐体外对人卵巢癌细胞(A2780)、人卵巢癌细胞(SK-OV-3)、人宫颈癌细胞和人子宫内膜癌细胞四种妇科肿瘤的抗癌实验比较，实验结果显示日蟾毒它灵具有比蟾蜍甾烯提取物和单体化合物华蟾毒精、蟾毒灵、蟾毒它灵更强的抗妇科肿瘤细胞活性，并且日蟾毒它灵的盐酸盐或硫酸盐比华蟾毒精、蟾毒灵、蟾毒它灵三个化合物的盐酸盐或硫酸盐具有更强的抗妇科肿瘤细胞活性。本发明所提供的日蟾毒它灵及其盐化物成分清楚，质量可控，抗癌活性强，不良反应小，有望开发成新的抗癌药物。

本发明通过对黄柄曲霉固体发酵和对其发酵产物的甲醇提取物进行分离纯化，得到 18 个细胞松弛素类新化合物，通过抗肿瘤活性评价，发现化合物 1 黄柄曲霉菌素 A 对白血病细胞 HL-60，人肝癌细胞SMMC7721，人肺癌细胞 A-549，人乳腺癌细胞 MCF-7，人结肠癌细胞 SW480 有一定的抑制作用。本发明人采用 4 株癌细胞(人早幼粒白血病细胞 HL-60、急性早幼粒白血病细胞株 NB4、结肠癌细胞株 RKO、人结直肠癌细胞 HCT116)和两株正常细胞(肾上皮细胞 293T 和结肠上皮细胞