团体身心放松训练系统     团体心理放松训练系统是一款基于生物反馈原理的高科技心理训练及测评系统。通过脑波头戴设备作为前端脑电测量设备，可实时获取被检测者的脑电数据以及反映测试者心理状态的多项参数。脑波头戴设备具有佩戴简单、使用方便、安全舒适、稳定可靠等诸多等优势，可适应于各类人群和各种日常环境。    系统通过穿戴式生物反馈传感器，采集人体前额部位的脑电信号（EEG），通过无线传输将受测者的每一瞬间的压力值变化传输到身心反馈训练系统软件里面。采用视音脑多维度音乐诱导技术，通过不同频段的音乐诱发产生定向的脑电波形，达到合理干预、疏导压力，平衡情绪的目的。可以消除焦虑、紧张、冲动、抑郁等负面情绪，减轻学习、生活压力，达到使用者身心健康的目的。

技术分析(创新性、先进性、独占性)开发了新颖的深度学习算法，准确识别患病部位，准备诊断患病类型，可以显著提高临床效益。自主独立开发。已经在两家大型三甲医院做测试，算法和程序代码完整，

技术分析(创新性、先进性、独占性) 开发了新颖的深度学习算法，准确识别患病部位，准备诊断患病类型，可以显著提高临床效益。自主独立开发。

超快光子束流可通过对组成物质的原子、分子和电子等微观粒子进行超高时空分辨率的测量和控制，实现对物质相关的物理、化学和生物医学等宏观过程的理解、应用和控制。时间尺度在10-18秒的阿秒光子束流，能够对电子进行实时探测和控制，为人类认识微观世界提供了全新手段，被认为是激光科学史上最重要的里程碑之一。世界先进国家都将阿秒科学列为未来10年激光科学最重要的发展方向。欧盟极端光学装置ELI(Extreme Light Infrastructure)项目三大装置之一，位于匈牙利的阿秒光脉冲源 (ELI-ALPS)研究中心的首要任务就是为国际科学界用户提供涵盖相干极紫外(XUV)、X 射线和阿秒脉冲的超快光子束流。 利用强激光与物质相互作用产生高次谐波是突破飞秒极限实现高亮度阿秒脉冲辐射的重要方案之一。在强激光与固体密度等离子体的相互作用中，由于两者之间的能量耦合效率较低，谐波辐射以低效率的相对论振荡镜（Relativistic Oscillating Mirror, ROM）机制为主，难以产生高能的孤立纳米电子层进行更高效率的相干同步辐射(Coherent Synchrotron Emission, CSE)。

1.痛点问题 尽管目前已有一系列临床治疗手段，但癌症仍然是人类健康与生命安全的最主要威胁之一，大多数癌症仍然有巨大的未满足医疗需求。抗肿瘤药物的研发依赖于靶点分子的鉴定。因此，依托于新的抑癌靶点，开发全新的抗肿瘤靶向药，是当前创新药研发的前沿。现有药物靶点主要是蛋白编码基因，所开发药物以靶向蛋白质的抗体药、小分子化合物药为主。 长非编码RNA（lncRNA）是近年来发现的一类不编码蛋白质的RNA分子，具有组织特异性强，功能复杂，种类数量大等特征。研究发现多个lncRNA与各种生物学过程相关，但是大多数lncRNA的生物学功能仍然未知。学术界已发现多个与肿瘤发生发展相关的lncRNA，但目前尚没有靶向lncRNA的抗肿瘤药物上市或在临床试验中。鉴于lncRNA复杂、多样化、特异性的生物学功能特征，这一大类分子有望成为新的疾病治疗靶点库。与已知的蛋白靶点相比，lncRNA研究少，易于获得原创、高价值的靶点专利。这要求基础研发工作在特定生理或疾病状态下，从成千上万的lncRNA中准确鉴定具有核心、基础生物学意义的lncRNA，并详细解析其细胞功能与分子机制，确定其作为疾病治疗靶点的可行性与科学基础。 2.解决方案 在此前的研究中，本项目组以肿瘤体系为研究对象，开发了基于信息论的多组学数据挖掘与lncRNA功能预测方法流程。在多种癌症中鉴定了具有核心生物学功能的lncRNA。例如，首次发现一个此前从未被研究过的lncRNA对于肝癌肿瘤细胞等高增殖率细胞的核仁结构及功能至关重要。研究证明该lncRNA在肿瘤中特异性地高表达，并且对于肿瘤细胞的快速增殖不可或缺，因此项目提出以该lncRNA作为肿瘤治疗靶点，开发抗肿瘤小核酸药或小分子化学药，控制肝癌发展。 项目技术核心是在肿瘤体系中鉴定重要lncRNA的技术流程，预期产品是针对一系列lncRNA新靶点的靶向药物。 3.合作需求 1)资金需求：针对新靶点lncRNA的小核酸药临床前研发需要的资金投入，在IND申报前需约2500-5000万元人民币； 2)孵化资源：公司研发所需办公及研发场地、实验室、计算服务器、分析与测试公共实验室等； 3)团队：生物医药科技公司管理团队、核酸药临床前研发团队、商务开发与合作团队、财务、法务等支持团队； 4)CRO公司合作：小核酸序列大规模合成、敲低效率验证、动物模型、药物毒理、药代动力学、免疫原性等指标测试； 5)大型医药公司合作：商讨未来技术转让方案，利用大型医药公司临床开发资源，开展临床研发合作； 6)药物递送平台合作：针对小核酸药靶向递送需求，开展不同递送工具的合作开发； 7)临床医院合作：针对临床治疗需求，开展小规模IIT临床试验，准备IND申报； 8)基础研究合作：与lncRNA研究领域内国内外基础研究团队合作，开发新的lncRNA靶点。

技术成熟度：技术突破 本成套设备，以电供暖的各个电暖气为控制对象，以建筑内不同房间不同区域的取暖温度为控制参数，自下而上，组成了由单片机现场控制器（控制室单独使用PLC控制器）、PLC中间层算法控制器、工控机为上位机构成监控界面的DCS控制系统，从而实现分散控制集中管理的控制系统。此系统的目的在于替换传统水暖系统，利用合理科学的软件算法，实现节能、环保、减排的效果。设备兼具教学、实验、科研及实用的功能。 成果技术特点：本套装置由四个单片机组成现场控制器，一个PLC组成的控制室控制器，与中间层面的S7-300PLC控制系统，以及顶层监控层的工控机装置，统一安装到了一个整体的平台上。此平台便于实地集中实验、研究，也有利于集中编程与项目演示。 图1 设备实物图 图2 为智能控制系统电脑操作界面

房树人心理测验系统

AI心理情绪识别系统1.多模态信号采集：人脸动态图像、脑电信号采集、语音情感检测。2.功能模块包含：情绪检测、情绪档案、数据统计、用户管理、系统设置功能模块。3.系统基于情绪心理学相关理论，结合面部表情的二维情感空间分析技术、脑电信号的状态分析、语音的三维情感空间分析三种模态相互融合叠加技术，检测人心理情绪状态，提高其检测准确度。3.    基于摄像头面部情绪识别技术，可以实时分析人体面部所包含的情绪状态。通过非接触式的实时视采用 AI 人工智能学习技术，结合心理学，通过对被测试人员 60秒的测试，能够获取相关心理/心理指标。帮助被测试人员了解自己的心理健康状况，并且引起人们重视心理健康，从而在工作、学习、生活当中提高身心健康。并且通过定期测试，能够获取个体、准确的进行心理危机预警，显示被测人员心理危机测试报告，提醒心理医生重点关注。用户在进行注册登录后，根据语音提示可直接进入测试界面进行情绪识别。点击测试按钮，调整好站立位置，脸部朝向屏幕，人脸录入即可完成测试，测试完成即可生成测试报告并能打印报告。4    基于脑电生物传感器状态检测、实时展示人体脑波原始状态指标以及Delta、Theta、Alpha、Beta、Gamma等8个EEG参数。5.    采用任务态模式进行语音情感分析，测试者按照系统设定的特定语境信息进行朗读来进行情感分析。6.    检测结束后可实时出具“心理生理状态分析结果报告”，其中包括被测试人员信息、检测时间、12维度心理生理情绪数据，包含正面情绪（平衡、自信心、活力、调节水平），负面情绪（攻击性、压力、紧张、可疑），生理参数（抑制、神经质、消沉、幸福指数），以及综合状态指标：专注度、放松度、疲劳指数、焦虑指数、压力指数、抑郁指数等。7.    统计分析：系统自带数据中心的统计功能，可以按单位进行所有检测人员的压力分布图及重点关注人员的信息显示。8.    检测完成后系统自动生成检测报告，检测报告需包含每项参数的检测数据大小、参考范围、异常数据等，以及用情绪参数雷达图、饼状图、直方图、曲线视图等多种表示方法。9.    信息查询功能：管理员可通过多条件查询功能，只需通过任意一项查询条件即可快速查询出与之对应和匹配的测试者信息，以及该测试者的历史测试记录，并可对该测试者的测试记录进行纵向和横向对比，综合分析该名测试者的心理健康状况。9.用户管理端：以管理员身份登录该系统可对用户进行管理。可进行添加用户、删除用户、查询用户、用户信息修改、密码修改、级别权限设置、单位框架搭建、查看用户报告，以及导出、打印用户报告。10.系统具有特定场合模态设置功能，可关闭和开启语音检测功能。11.视频检测时面部框具有信号质量检测功能，通过不能的颜色在面部框进行彩色状态提示，同时具有人脸检测判别功能，比如面部不全、距离较远等识别功能

AI多模态情绪分析系统，是人工智能与心理学、计算机视觉、听觉感知等学科深度融合的前沿方向。它不再局限于传统的问卷答题，而是像一位敏锐的观察者，通过分析你的面部微表情、语音语调、肢体语言，甚至生理信号，来实时、客观地"读懂"你的情绪状态。这种技术正在心理健康、教育、人机交互等领域开启全新的可能性。 这套系统的核心在于"多模态"和"融合"。它模拟了人类如何综合视觉、听觉信息来理解对方情绪的过程。 多源数据采集：系统通过摄像头、麦克风等设备，同步采集个体的面部视频、语音音频，甚至可接入可穿戴设备获取心率等生理信号。 单模态特征提取：针对每种数据，用不同的AI模型提取情感特征。 视觉：分析面部肌肉运动（如嘴角上扬、眉毛紧蹙）、头部姿势、眼神等。先进的技术甚至能捕捉难以伪装的微表情（持续仅1/25至1/5秒），或通过分析面部血流图谱（rPPG）来感知生理唤醒水平。 听觉：提取语调、语速、音高、能量（MFCC梅尔频率倒谱系数）等声学特征，判断声音中的情绪色彩。 文本/语义：如果涉及对话，系统还会分析说话内容的语义，理解话语背后的真实意图和情感倾向。 多模态融合与情感解码：这是最关键的一步。系统通过复杂的深度学习算法（如Transformer、自监督多任务学习框架等），将来自不同模态的特征信息进行时空对齐和深度融合。例如，一句愤怒的"我没事"，配上闪躲的眼神和紧绷的嘴角，才会被准确识别为"掩饰性的愤怒"，而非字面意思的"没事"。  

2月1日，清华大学深圳国际研究生院马兆远课题组首次公布基于AI技术的对全国疫情扩散情况及高峰期预测模型。根据后续一周内国家卫计委公布的疫情实时数据反馈，该模型在一周（2月1日至2月7日）之内的预测结果与真实情况吻合度较高，平均准确率达98%以上。团队比较早地对疫情高峰期及拐点出现时间做出“2月7-12日内达到峰值，疫情拐点最迟于2月16日前后出现，总感染人数或达7万”的预判，该预测与钟南山院士的判断互相印证。虽然预测结果的准确度得到验证，课题组团队并没有因此松懈，而是不断根据最新的数据变化调整参数、优化拟合结果，同时积极联络政府相关科技、数据信息等部门，让预测结果成为施策者有力的决策参考。2月1日，清华大学深圳国际研究生院马兆远课题组首次公布基于AI技术的对全国疫情扩散情况及高峰期预测模型。根据后续一周内国家卫计委公布的疫情实时数据反馈，该模型在一周（2月1日至2月7日）之内的预测结果与真实情况吻合度较高，平均准确率达98%以上。团队比较早地对疫情高峰期及拐点出现时间做出“2月7-12日内达到峰值，疫情拐点最迟于2月16日前后出现，总感染人数或达7万”的预判。