XM-F500A腹腔镜手术模拟训练器   一、主要功能： ■ 腹腔镜手术模拟训练器（箱）采用人体工程学设计，操作舒适、携带方便，通过将模型放置在训练箱中操作手术器械进行手术技能演练，可提高学员的手眼协调及双手配合能力，熟悉腹腔镜手术器械使用及移物、切开、剥离、止血、结扎、缝合及切除等基本技能，适用于医学院校和各大医院、腹腔镜手术培训中心进行腹腔镜手术技能训练和考核。 ■ 训练箱内可放置各种训练模块，包括：伤口缝合模块、夹取模块、夹球模块、穿孔模块、拉环牵引模块、肠缝合模块，将各种训练模块根据教学需要选取一种，置入训练箱中。   二、模块功能： ■ 缝合模块：训练使用持针器选择正确的进针位置，训练缝合技能。 ■ 肠管吻合模块：利用不同方法将断段肠管吻合，进行肠管吻合手术训练。 ■ 夹取模块：用于训练手术中对于细碎物的夹取，训练操作者的夹取精度和协调度。 ■ 夹球模块：分为大球和小球，用于训练手腕腕力灵活精准度，让操作者更加从容应对手术中的细节。 ■ 穿孔模块：用于训练操作者的双手协调能力及精准度。 ■ 拉环牵引模块：锻炼手眼协调能力，对细小有弹性的物体进行加持操作，培养深度知觉，训练操作者清晰的手感反馈和精准的力度调节。   三、标准配置： ■ 高清摄像头：1个 ■ 训练箱体（含光源）：1个 ■ 持针钳：1把 ■ 孔槽抓钳：1把 ■ 马里兰：1把 ■ 弯剪刀：1把 ■ 伤口缝合模块：1块 ■ 夹取模块：1块 ■ 夹球模块：1块 ■ 穿孔模块：1块 ■ 拉环牵引模块：1块 ■ 肠管吻合模块：1块

XM-F600腹腔镜手术技能训练人体模型   一、功能特点： ■ XM-F600腹腔镜手术技能训练人体模型可用于外科及妇产科在手术台上用腹腔镜手术器械、高清摄像机及监视器对常见腹腔疾病腹腔镜手术的模拟训练，可进行腹腔镜手术的切开、剥离、止血、结扎、缝合等基本手术操作。 ■ 模拟腹腔镜30度镜可达到多方位观察的目的，光源LED、摄像机，镶嵌在镜头中，人体模型腹腔内的视野图像输出到22寸彩色屏幕上，操作者通过观察屏幕上的图像进行操作。 ■ 模拟腹腔镜可通过拉伸调节镜头与目标的距离调节焦距改变图像的清晰度，镜头靠近腹内模型时获得局部放大图像，后退至套管口时获得腹腔内较广泛的视野，可根据操作精细度和观察需要及时调节，镜头中心视野应对准术者的器械随之移动，根据需要调整近距或远景视野。 ■ 模拟腹腔内可放置各种训练模型，包括彩豆模型、套圈模型、缝合板模型、多形状缝合模块、囊状器官模型、盲肠阑尾模型、肝胆模型、子宫附件、穿线模型、横结肠、肾及输尿管、胰腺和脾、血管模型、肠模型、器官粘连模型，可将各种训练模型根据教学需要选取一种，置入腹腔中。 · 套圈模型：在圆柱型的胶块上设有6个倒L型钢钩，受训者用抓钳抓取小圈套在其上，套满为止，反复训练，可逐渐提高速度。 · 彩豆模型：将容器内的各种颜色彩豆，抓取指定的颜色，分别抓到各自的容器中。 · 穿线模型：10余个锥形胶块的顶部，设有直径有2-3mm小的钢圈，用持针器夹持缝合线，逐个穿过钢圈，直至穿完。 · 囊状器官模型：细的部分可进行切开吻合，膨大部分可进行切开缝合或切除部分后吻合。 · 血管模型：可进行小血管结扎的训练。 · 各部内腔器官模型：使用时粘贴在背板上，防止操作时移动，对各种器官可进行切开、止血、剥离、缝合、打结练习。 · 肝胆囊模型：可进行胆囊摘除术训练，肾及输尿管模型，可进行输尿管吻合，结石取出术。 · 肠模型：可进行肠（切开）吻合术。 · 盲肠阑尾模型：可进行阑尾切除术训练，其他器官可练习剥离切除缝合等练习，模拟阑尾动脉、胆囊动脉可更换。   二、系统配置： ■ 仿真腹腔镜手术技能训练人体模型：1具 ■ 模拟手术台：1张 ■ 成像设备：1套 ■ 22寸液晶监视器：1台 ■ 模拟手术器械：5把（持针钳、弯分离钳、弯剪刀、抓钳、打结钳各1把） ■ 训练模型：1套（彩豆模型、套圈模型、多形状缝合模块、囊状器官模型、盲肠阑尾模型、肝胆模型、子宫附件、穿线模型、横结肠、肾及输尿管、胰腺和脾、血管模型、肠模型、器官粘连模型各1套）

XM-GCX肝脓肿穿刺与胸腔穿刺训练模型   一、功能特点： ■ XM-GCX肝脓肿穿刺与胸腔穿刺训练电子标准化病人模型采用高分子材料制成，肤质仿真度高。 ■ 模拟人取平卧位和半卧位，质地柔软，触感真实，外观形象逼真。 ■ 解剖标准准确，锁骨、腋窝、各肋骨肋间隙等体表标志可明显触知，便于穿刺定位。 ■ 肝脓肿穿刺术可寻到肝区压痛点，有屏息训练语言提示，可随屏息节奏穿刺，穿刺有明显落空感，可抽出模拟肝脓水。 ■ 取半卧位（模拟重症患者）行胸腔穿刺术，叩诊可获实音处，穿刺有明显落空感，可抽出模拟胸腔积水。 ■ 电子监测：穿刺术要求沿下位肋骨的上缘垂直刺入，穿刺错误有语言提示。 ■ 可反复进行练习。 ■ 皮肤和穿刺囊腔可更换。   二、标准配置： ■ 肝脓肿穿刺与胸腔穿刺训练模型：1具 ■ 穿刺实验台：1张 ■ 电源适配器：1个 ■ 说明书：1册 ■ 保修卡合格证：1张

髂后上棘骨髓穿刺模型外观形象逼真，体表骨性解剖标志清晰，穿刺部位骨骼 为可替换耗材模块，便于反复训练，提升操作技能。适用于临床医学基本技能、执业医师实践技能考试对骨髓穿刺术操作的教学、训练及考核。

系统由基础护理综合模拟病人与软件系统组成。软件系统有基础护理学的训练、考核两大部分。模拟病人的外形逼真，体表标志清晰可触及，软件设置模拟人的生命体征参数，硬件操作实时传输到软件系统。产品根据人卫版《基础护理学》教材设计，可完成各种护理操作训练，也可用于操作考核。

路面病害分为表面破损（如裂缝）、路面变形（如沉降）和结构病害（如层间脱空）三大类。该技术以路面检测成果为全卷积神经网络的输入信号，对于表面破损，其输入为多功能检测车拍摄的路表图像；对于路面变形，输入为三维检测车测取的三维路面模型；对于结构病害，输入为探地雷达信号图像。通过海量数据的训练、测试，可实现上述三类病害的自动化识别、分类和测量，为路面养护工程提供数据支撑。此外，该技术在保证与人工识别结果相同的精度下，可将数据处理速度提高千倍以上。 

泛素-蛋白酶体体系（Ubiquitin-Proteasome System，简称UPS）是细胞内最重要的蛋白质降解通路，对维持生物体内蛋白质的浓度平衡，以及对调控蛋白、错误折叠或受到损伤的蛋白的快速降解起着至关重要的作用，参与了细胞周期、基因表达调控等多种细胞进程，由UPS失常引发的蛋白质新陈代谢异常与众多人类重大疾病直接相关。2004年，Aaron Ciechanover, Irwin Rose和Avram Hershko三位科学家被授予了诺贝尔化学奖，以表彰他们对该降解通路的发现。UPS中蛋白酶体是细胞中最基本的、最重要的不可或缺的、最为复杂的大型全酶超分子复合机器之一，人源蛋白酶体全酶包含至少33种不同的亚基，总原子质量约为2.5MDa。美国FDA批准的多种治疗癌症的药物分子即以蛋白酶体为直接靶标。近年来，随着冷冻电镜技术的发展和应用，人们对这一大分子机器的结构和功能研究得以不断深入。2016年，毛有东课题组与合作者报道了人源蛋白酶体基态的3.6Å冷冻电镜结构及其他三个亚纳米分辨构象，并首次发现一个亚稳态构象的核心颗粒（Core Particle，简称CP）底物转运通道处于开放状态（见PNAS 2016, 113: 12991-12996）。2018年4月，该课题组又报道了6个ATPγS结合状态下的26S动态结构，包括三个CP开放态对应的亚稳简并态近原子分辨（4~5Å）结构（见Nature Communications 2018, 9: 1360）。尽管这些工作揭示了蛋白酶体的基本架构和内在运动行为，但由于缺乏蛋白酶体与底物之间的相互作用，人们对于蛋白酶体如何实现底物降解的原子水平工作机制仍一无所知。此外，尽管冷冻电镜技术近年来广泛应用于分析具有动态特征的蛋白复合体结构和平衡态构象，但对其中间态结构和非平衡构象分析的分辨率水平往往局限在4～6埃或更低，离真正的全原子水平动力学分析还有相当一段距离。 为了真正实现原子水平的蛋白酶体底物降解动态过程的冷冻电镜三维重建和动力学表征，毛有东课题组攻克了两大技术难题。其一，如何在蛋白酶体完成底物降解之前抓到它的所有可能的中间态构象？课题组发展了一种新颖的核酸置换法，利用ATPγS降低AAA-ATPase激酶水解活性的特点，在底物降解中间过程，通过将ATP快速置换成ATPγS，结合快速冷冻的优势，从而扑捉到蛋白酶体在底物降解过程的中间态。其二，如何在从冷冻电镜数据中分析出更多构象的同时，还把分辨率做到3埃甚至更好？课题组通过多年持续努力，发展了多种基于人工智能和机器学习的冷冻电镜图像聚类的新型算法，并针对蛋白酶体的动力学特征，设计了一套极其有效的整合了多种算法的多构象分类流程。通过这两套技术方案的完美结合，课题组成功解析了人源蛋白酶体在降解底物过程中的七种不同的、但差别甚微的、高分辨原子水平的天然态构象（Native states），完整展示了蛋白酶体从泛素结合到去泛素化，再到底物转运的动态过程。与同期在Science上发表的与底物结合的酵母蛋白酶体的4.2-4.7埃冷冻电镜结构（Science doi: 10.1126/science.aav0725，来自加州伯克利分校和Scripps研究所）相比，该Nature论文不仅总构象数量多一倍，全部构象分辨率还高1-2埃。由于Science论文采用了抑制Rpn11去泛素活性的策略，其非天然态结构中底物并不能真正自由转运，所推测的机理仅限于底物转运这一步，对于其他三大Nature论文所回答重要问题均无法给出答案。这体现了该Nature论文不仅在实验方法的原创性上和数据分析水平和质量上，更在科学发现和问题探究的深度和广度上大幅超越了来自Science的竞争性论文。图一 七个利用冷冻电镜解析的精细原子结构完整揭示了从泛素识别、去泛素化反应、转运启动和持续降解的核心功能动态过程。 作为整个蛋白酶体的动力来源与运转核心，AAA-ATPase激酶分子马达展现出了三种不同的核苷酸水解协作模式，6个ATPase亚基协调工作，交替与底物发生相互作用。在去泛素化过程（EB态）中，处于对立位置的两个ATPase亚基Rpt2与Rpt4水解ATP，而Rpt5与Rpt6则释放ADP，ATPase内的底物转运通道被打开，使得底物可以进入轴心通道；与此同时，去泛素化酶Rpn11亚基与泛素及底物发生相互作用，执行其作为去泛素化酶的功能；在转运起始过程（EC态）中，相邻的两个ATPase亚基Rpt1与Rpt5会同时水解ATP，调控颗粒（Regulatory Particle，简称RP）发生大规模转动并释放泛素；在底物去折叠与转运过程（ED态）中，三个相邻的ATPase亚基会分别同步进行ATP的结合、ADP的释放与ATP的水解，这一过程会单向传递下去，将ATP水解释放的化学能转换为机械能，使得相应的ATPase亚基发生刚体转动，推动底物的去折叠和单向输运，同时CP的转运通道入口打开，底物被送入通道中进行降解。这些研究结果为几十年来对蛋白酶体功能的研究提供了宝贵的第一手原子结构和动力学信息，对于理解生物体内蛋白质的降解过程和一系列负责物质输运的ATPase马达分子的一般工作原理具有极为重要的科学意义。

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。 

研究目的和意义机器学习和人工智能已成为当今最热门的技术之一。2017年，国务院印发了《新一代人工智能发展规划》，正式将人工智能作为国家重要发展战略之一。人工智能已经成为信息技术时代的又一波浪潮。在这波浪潮的推动下，互联网行业、金融行业、传统制造业、政务民生、公安警务等各行各业都在积极向人工智能领域转型升级，利用人工智能先进技术提升智能分析和辅助决策能力，

1.痛点问题 新材料的设计与研发往往面临挑战：急需的新材料难以快速筛选设计，而设计出的新材料又难以找到高效且低成本的合成配方，拥有合成配方的新材料又会面临规模化的长周期探索。根据国家工业和信息化部对30余家大型骨干企业调查结果显示，130种关键材料中，有32%国内完全空白、54%虽能生产，但性能稳定性较差、只有14%左右可以完全自给，亟需新思路来解决我国新材料研发难题。本项目着眼于新材料研发，希望通过创建目前业内空白的智能化新材料研发范式，引领行业智能材料开发自动化服务与工艺的开发。 在数字化、智能化浪潮中，国家和各行业的产业界都非常看重科研的智能化升级。通过持续的交流与调研，我们发现许多企业和研发团队目前对智能研发存在大量潜在需求，而智能研究服务与工艺的同类竞品极少。因此，清华智研将作为一家高新科技企业，以AI赋能研发（AIEmpoweringResearch&Development）为使命，组建国际顶尖水平团队，向国内引进并自主开发世界前沿的AIforScience技术，打造世界级的AI未来实验室（World-ClassAIFutureLab）。 2.解决方案 本技术为新材料研发数字化智能服务平台，可在材料研发过程中对各个尺度以及不同研发阶段下进行智能化的加速及分析服务。以各种人工智能算法为核心，如主动学习算法，图神经网络，卷积神经网络等，我们根据不同材料体系的尺度包括三大方面：1.针对分子及晶体等微观尺度的功能材料研发，设计智能化的深度学习系统。2.针对二维功能材料及其功能性器件、催化剂、膜材料等宏观尺度，设计智能化的深度学习系统。3.针对功能材料研发的表征仪器等平台尺度，设计智能化的系统解决方案。这些智能化解决方案能极大地加速新材料尤其是碳中和相关材料的研发速度，从而大大地降低研发成本与时间，为企业获得有竞争优势的科研壁垒。 自动化和人工智能助力未来智能实验室的方方面面，从样品制备（称量固体、添加液体、超声处理.等)，到合成（分配液体，控制温度，混合，测量pH值，干燥等)、表征（气相色谱，高效液相色谱，分光光度法等)，通过自动化/机器人的辅助，可以有效提高可重复性，提高信噪比，加快实验速度。通过人工智能技术，将实验数据转换为可操作的智能指导，快速浏览并利用复杂的数据，提升认知能力。 智能化研发平台 3.合作需求 拟成立公司推动该项成果的产业化进程，希望对接 1）工程化、产品化所需的资源； 2）新能源、新材料领域合作企业。