成都中医药大学梁繁荣教授项目组围绕“实现针灸研究证据科学评价、集中存储、深度分析、高效利用”关键问题，采用大数据分布式存储、计算、分析和服务技术方法，创建了基于“云服务器+终端”大数据服务模式的循证针灸临床诊疗决策支持平台，并在临床、科研、教育、产业等多个领域进行了推广应用。项目主要技术内容： 1.基于大数据的循证针灸临床决策支持平台的构建：（1）构建了循证针灸证据质量评价标准、证据强度及推荐等级标准，创建了“大数据-当前最佳证据-优化诊疗方案”的循证针灸临床决策模式；（2）研发了一系列针灸循证诊疗决策数据挖掘模型和算法，实现了针灸疾病诊断、辨证分型、处方优化、刺激参数组合等诊疗决策方案的准确挖掘、智能分析、客观判断和可视化交互；（3）采用DTS、网络爬虫等方法采集数据，建立了针灸数据资源主题数据仓库和数据集市，构建了循证针灸决策资源中心；（4）设计开发了分布式存储、计算、分析与服务的循证针灸临床诊疗决策支持平台，实现了针灸循证诊疗决策各数据挖掘算法不同粒度的构件化组装、快速集成、高效响应和大数据服务。 2. 基于大数据的循证针灸临床决策支持平台的应用：（1）制定并完善了基于最新研究证据的24个病种的循证针灸临床治疗决策方案，为临床治疗决策提供了可供参考的高质量证据；（2）将GRADE系统引入循证针灸临床实践指南的制定，牵头制定了中国针灸学会《针灸治疗坐骨神经痛临床实践指南》；（3）对针灸临床常见的14个病种的古今治疗证据进行了系统的处方规律分析，发现并验证了具有理论和临床价值的经穴效应规律，并为优化针灸临床诊疗决策提供了便利；（4）将平台推广应用于中医针灸临床实践和医院管理，提高医生诊疗水平、中医针灸临床疗效和医院信息化管理水平；（5）研发了集针灸大数据支撑与临床经穴诊断治疗于一体的智能化循证针灸诊疗设备，开创了循证针灸临床决策的应用新模式。 研究成果已在71家中医医疗机构和天津、上海、广州、南京等地高校、科研院所应用，获得2800余万元直接经济效益和上亿元间接经济效益，对于针灸临床疗效提高、科技创新和创新人才培养起到了积极的推动作用，开创了针灸学产、学、研、用合作推动科研成果转化的成功模式。由石学敏院士等专家组成的鉴定委员会一致认为：“本项目极大地促进了针灸学的现代化和信息化发展，显著提升了针灸临床决策水平，加快了针灸学国际化进程，研究成果达到国际领先水平。” 基于大数据的循证针灸临床诊疗决策支持平台的应用场景示意图

研究背景：  大数据应用的多样化  需要的计算模型、数据模型多样化；  目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。  多系统导致大数据分析平台非常复杂、效率低下。 研究目标： 研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。 针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个  方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键  值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计  算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这  套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们  对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于  大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计  算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三  个方面，分别详细介绍FAST系统的三个主要亮点。 融合架构 FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包  括多数据模型融合和多计算模型融合两方面。 多数据模型融合： 设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、  文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据  分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。 经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。 多计算模型融合： 在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集  的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和  流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。 高时效 FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗，  提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。 对于多模态存储，面向应用负载和异构硬件特征进行自适应优化； 对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等； 在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效； 而且我们也考虑到大数据分析过程中用户人工操作的时效性问题，  通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的  时间。 可扩展 FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、  存储层和计算层进行了全面的扩展性优化。 在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块，  能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。 在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。 在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持  到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提  升。 亮点成果： 融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。  从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。 同时在双十一期间，基于智能交互向导技术，也面向电子商务应用  的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品  销量变化的原因，以及促销的有效手段等。

i4Ocean 的命名分为两个部分，其中Ocean代表本平台主要应用于海洋信息可视化领域，而i4寓意为四个英文单词即：Interactivity（交互性），Imagination（构想性），Immersion （浸没感），Intelligence（智慧性）。这四个单词概括了i4Ocean 的主要特点，也是本平台致力于实现的终极目标。 i4Ocean可视化原型系统主要实现以下功能： 1、数据处理：将常见的海洋数据转换为geotif、json、geojson。 2、可视化功能：标量数据可视化、剖面动画、体绘制、二、三维流线可视化。 3、可视化分析：中尺度涡识别、追踪。 4、舰船远洋航行系统：港口信息查询、全球港口显示、航线添加、海图导航、水文信息可视化。 5、视频录制：保存加载相机路径、高清截图、高清录像。 在系统中，我们提出了两种算法用于海洋环境数据可视化和分析。一种是基于gpu的光线投射算法绘制海洋温盐数据，一种是基于传输函数的海洋中尺度涡流交互式流场可视化算法，实现了时空相干和视口相干。引入交互式传输函数，从背景洋流中提取基于多种涡旋参数（如Okubo-Weiss参数）的二维和三维涡旋特征。 相关成果评选为2012年山东高等学校优秀科研成果奖、2013年青岛市科学技术奖、青岛市2017-2018年度优秀大数据解决方案。

本研究低成本搭建了弹性可扩展的Hadoop云计算平台

本平台基于SAAS云模式，以大数据与人工智能技术为支撑，解决了多中心医学健康研究、药物试验、慢病管理、随访管理等各类临床数据采集与分析问题，集成了轻量级项目管理、多终端灵活病例采集、支持队列与随机对照的临床试验设计、数据采集、数据质控、生物样本库、数据统计分析以及临床资料数据存储管理等功能，有效提高临床科研、流行病调查、临床试验和健康随访的流程化数据全生命周期的管理效率，保障了临床数据真实性和有效性。平台提供了项目管理、临床业务管理（随访管理、队列数据采集、随机试验、流程规划、慢病管理）、盲法设定、邮件提醒（微信扫描）、CRF表库管理、受试者管理（电子病历管理与知情同意书）、数据分析、数据高级检索、生物样本库管理、数据集管理与共享、知识库管理、平台门户（新闻公告）、公开注册、微信集成与智能通知、用户管理、机构伦理审核与管理、日志管理、字典管理、菜单管理、角色管理、数据留痕等服务，帮助快速配置和积累各临床科室CRF表和数据采集（教育培训）流程规划，形成临床大数据采集、管理与分析平台，提供全生命周期的临床数据服务，服务于医院随访管理、队列研究、临床评价、医学健康调查、慢病管理、健康管理等各类临床业务，积累临床大数据资源，促进医学科学发展。

2020年1月23日，国防科技大学系统工程学院与四川大学、电子科技大学共同组建新型冠状病毒大数据交叉学科研究平台，为新型流行病研究和防控贡献科学力量。 参与该平台组建的是国防科技大学系统工程学院吕欣教授牵头的大数据与复杂网络研究团队，该团队主要研究方向为大数据挖掘，应急管理与人类行为动力学分析，长期围绕地震、洪水、流行病等问题应用大数据技术开展应急救援工作，在海地地震与霍乱、孟加拉台风Mahasen、西非国家埃博拉、中国登革热等事件中得到广泛应用。 该团队基于新型冠状病毒大数据交叉学科研究平台，利用海量多源异构大数据，结合疫情发生发展规律，对人群流动及传播风险进行了综合建模和分析，为政府决策提供了参考依据。

通过纵向资助和产学研横向联合研发的途径，以面广量大的果蔬为例建立了 食品干燥过程调控技术理论体系，构建了食品干燥过程调控技术平台；针对不同 的出口需求，开发了 40 多个创新果蔬干制品，解决了传统食品干燥普遍存在的速化复原难、干燥时间长、能耗大、干燥和贮藏过程中品质不稳定等国际性难题；申报了 28 项中国发明专利，其中 13 项授权，13 项公开；获得了国内外同行专家的肯定，成果鉴定为为国际领先和先进水平。

Ø 本软件项目的成果是一款基于Windows7系统的Kinect休闲体感游戏，项目委托人是第二届“中科杯”软件设计大赛，项目开发环境是Visual Studio 2010。

【发 明 人】朱毅 ; 程洁 ; 朱更坚 ; 励建安 ; 徐斌 ; 金宏柱 ; 李怡【技术领域】本发明涉及的是一种标准化自动定量康复推拿治疗动物实验研究平台，适用于不同康复和推拿手法应用于动物实验的定量研究、量效关系、标准化研究。【摘要】 本发明涉及的是一种标准化自动定量康复推拿治疗动物实验研究平台，适用于不同康复和推拿手法应用于动物实验的定量研究、量效关系、标准化研究。包括固定支架、被测体固定台面、恒定压力机构、水平移动机构、垂直旋转机构和步进电机控制器；固定支架底部装有被测体固定台面，固定支架一侧装有步进电机控制器；水平移动机构由压力移动台、平移导杆、同步带一、同步轮一、同步轮二、步进电机一、限位传感器组成；垂直旋转机构由压力旋转台、花键轴、旋转曲杆柔压球或柔压轮、同步带二、同步轮三、同步轮四、步进电机二组成；所述的恒定压力机构由砝码盒、花键轴、压轮或柔压轮组成，砝码盒安装在花键轴上部，压轮或柔压轮安装在花键轴下端部。  

一种基于物联网技术的实验室安全管理平台，包括实验平台和安装在所述实验平台上的排风装置；所述排风装置为U形管状结构，一端固定在实验平台上，另一端设置吸风口，所述吸风口位于实验平台正上方，排风装置与吸风口连接端内壁设置环形凸沿，所述环形凸沿上端形成倒圆锥形截面，下端形成正圆锥形截面，环形凸沿上端与下端之间形成圆柱形通道。通过排风装置对实验平台产生的废气或烟雾进行排风时，由于环形凸沿的设置，一方面在可以增大排风抽力，使烟雾快速的吸入吸风口并经环形凸沿的圆柱形通道进入排风装置中，另一方面由于环