丁二烯是产量最大的化工产品之一，其生产过程中需要耗费大量的能量和有机溶剂对成分复杂的C4烃类混合物进行蒸馏分离。利用多孔材料进行吸附分离是一种潜在的高效分离提纯方法，但分子较小、极性较大的丁二烯容易被吸附，在脱附过程中不但容易被残留的其它C4烃类污染，而且容易受热聚合。我们前期已经发现可以利用合理设计的超微孔亲水多孔材料对C2烃类实现反常的极性选择。针对丁二烯分子柔性显著小于其它链状C4烃类的特点，我们希望能进一步通过特殊的孔道形状控制这些柔性客体分子的构型，利用构型变化的能量差获得反常的吸附选择性和最优的C4烃类吸附分离顺序。形状尺寸合适的离散孔洞最有利于控制柔性客体分子的构型和并反转吸附选择性，而连续的孔道对客体分子的吸附扩散又是必须的。通过模拟计算,发现具有准离散孔洞的柔性多孔材料MAF-23在两种要求中取得平衡，实现了反常而且最优的C4烃类混合物吸附分离顺序。常温常压下将丁二烯、丁烯、异丁烯和丁烷混合物通过MAF-23填充的固定床吸附装置后，吸附最弱的丁二烯最先流出而且纯度很容易达到99.9%，同时可避免常规纯化方法中因加热而产生的丁二烯自聚问题。

产品详细介绍  无菌接种箱   一、接种箱的作用   接种箱的作用是在无菌的条件下，进行细菌，食用菌等菌种的接种。   二、接种箱的构造   本产品采用全钢结构，外表喷塑，台面为三聚氢氨板或理化板结构。前观察窗为70度的开启角度为方便操作，接种箱前为两个15公分的操作口，接种箱配有紫外线杀菌灯日光 灯和臭氧发生器。为方便散热和换气底部留有透气孔。   三、接种箱的使用   使用前先有百分之五的甲醛或百分之七十的酒精进行消毒，然后打开杀菌灯即紫外线杀菌管和 臭氧发生器进行60分钟的灭菌消毒。完成后再将照明开关打开，即可进行菌种的接种。 技术指标： 型         号   外形尺寸 操作区尺寸 电压 日光灯 紫外线 臭氧发生器 WJ—ZJX（单面） 1000×530×600 1000×490×580 220V 20W×1 20W×1 100-200mg/h WJ—ZJX (双面) 1000×900×600 1000×860×580 220V 20W×2 20W×2 100-200mg/h    

济南格非生物技术有限公司成立于2012年4月，是一家服务于生命科学领域的企业，专业提供涉及分子生物学、细胞生物学、生物化学、免疫学、食品药品检验、临床检验等相关领域的试剂、消耗产品、仪器的推广与销售。 公司目前拥有Corning、、依科赛、四正柏、硕华等国内外多个生物技术公司的一级代理权及分销权。客户遍布于细胞生物学、免疫学、农业、林业、生态等生命科学领域的高校、研究所、医院、疾病控制、检验检疫、药物研发、生物技术公司和食品工业等单位。现在已发展成为一家专业从事生物技术产品销售和生命科学技术服务的综合性生命科学公司，。      公司拥有一支以专业技术背景的管理、销售团队，公司以敢于创新、忠于服务、诚信经营为宗旨与理念，致力于服务生命科学领域的研究发展。我们将通过自己的努力使济南格非成为一支在齐鲁乃至全国生命科学领域都具有影响力的专业供应商和服务商。

北京化工大学昌平校区室外无线AP采购项目竞争性磋商

三甲基苯醌是维生素E的中间体，其经加氢还原即得维生素E主环2,3,5-三甲基氢醌。三甲 基苯醌传统合成工艺为：2,3,6-三甲基苯酚磺化、二氧化锰氧化、水汽蒸馏得三甲基苯醌，再 进行加氢还原得三甲基氢醌。由于此工艺步骤多，能耗大，排出较多的锰泥废渣，处理难度 大。因此，寻求方便、经济、环境友好的氧化过程显得尤为迫切。 这条路线的优点在于： 1. 空气是最绿色的氧化剂，实现空气氧化，反应条件温和、安全。 2. 反应廉价、清洁、废水排放极少。 3. 收率高，分离收率达到90%以上，是一条绿色的合成路线。 4. 生产成本较老工艺有较大幅度下降，为产业更新升级所急需。

 基于GIS技术构建城市重大危险源管理平台，实现重大危险源定位、信息查询，建立重大危险源二级联动管理的模式。利用数据库技术、GIS技术和事故后果模拟及动态应急救援辅助决策技术研究成果，采用面向对象设计方法结合灾害过程模拟仿真结果。在三维GIS场景中基于事故后果评估结果动态辅助应急救援决策，包括人员撤离路径、消防车路径和紧急救援通道的最短路径分析、交通管制设置等，进行应急资源的快速调查和优化调度。 该软件系统可广泛应用于城市重大危险源动态管理、安全设计、厂区平面规划和安全评价；成果

本申请提供一种化工园区无人机群巡查路径的优化方法、装置及设备，涉及无人机巡检技术领域，包括：获取目标化工园区的环境数据，以及各无人机的属性和初始巡查路径；针对任一无人机，获取初始巡查路径上各巡查位置和相应巡查位置的实时监测值；针对无人机负责的任一巡查目标，获取无人机到达巡查目标时的权重；将各巡查位置和相应的实时监测值、巡查目标的目标位置和权重、环境数据以及初始巡查路径输入到预先构建的多目标优化模型中，计算初始巡查路径的评分；根据权重、目标位置、环境数据、属性以及各无人机的初始巡查路径和位置，采用动态邻域搜索确定无人机的最优巡查路径；本申请可生成兼顾效率、安全、高质量和高覆盖率的最优巡查路径。

“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。

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。