简单介绍： 机能学仿真虚拟实验系统从教学目标、教学内容和教学策略进行系统架构，运用 3D技术构建虚拟环境，器材展示，虚拟实验模拟**及作用因素对呼吸、血压、泌尿的影响曲线；机能学仿真虚拟实验系统教师端可以自定义曲线样式，动态添加实验。机能学仿真虚拟实验系统包含实验室漫游、动物中心、药品试剂、器械仪器、手术操作、虚拟实验、在线考核等模块，极大地扩展了学生的学习内容与学习空间，深受广大师生的喜爱！ 详情介绍： 机能学仿真虚拟实验系统从教学目标、教学内容和教学策略进行系统架构，运用 3D技术构建虚拟环境，器材展示，虚拟实验模拟**及作用因素对呼吸、血压、泌尿的影响曲线；机能学仿真虚拟实验系统教师端可以自定义曲线样式，动态添加实验。机能学仿真虚拟实验系统包含实验室漫游、动物中心、药品试剂、器械仪器、手术操作、虚拟实验、在线考核等模块，极大地扩展了学生的学习内容与学习空间，深受广大师生的喜爱！   1、实验室漫游：      实验室漫游模块运用运用3DMAX构建实验场景，空间模型包含实验室走廊、生理实验室、药理实验室、病生实验室、人体实验室、实验准备间、动物房、尸体处理间等，学习者可在空间自由行走，通过三维空间热区进行学习机能实验室布置及功能分布。   2、动物中心：        动物中心模块对实验动物的相关知识进行系统介绍，动物中心模块下设实验动物、动物选择、性别鉴定、编号与分组、捉持与固定、动物麻醉等结构。   3、药品试剂：     药品试剂模块包含实验**、麻***选择、单位浓度换算（包含**浓度、剂量换算、动物与人剂量换算及溶液稀释换算）等知识学习、模拟试剂配置。 4、器械仪器：      器械仪器包含蛙类器械、哺乳器械、常用仪器、三维展示等模块，器械有图文简介，介绍器械与仪器的使用及注意事项，同时每个器械仪器有三维的旋转展示。 （1）器械要求能够三维旋转展示，要求支持任意角度观看，支持X轴、Y轴、轴Z自主旋转，并且有实验仪器的相关介绍。 （2）器械操作：展示常规手术器械的规范化使用方法，用三维动画形式表现出该器械的正确操作与错误操作，进行对比式学习。   5、手术操作：      手术操作模块包含大量手术与实验的视频学习资料，在手术操作中学生可以按照目录结构观看手术操作过程，掌握操作要领，教师可自定义结构和内容。 6、虚拟实验：      学生在虚拟实验环境中可查看实验的实验对象、实验试剂、实验器材、实验介绍、实验步骤、仿真实战及仿真实验。虚拟实验模拟各种**对动物呼吸、血压、泌尿、张力等影响。系统对波形可以进行标尺度量、进行横向纵向的压伸处理和速度等控制，模拟显示**在体内的浓度变化，可以对**进行换洗，并可自定义**的疗效。实验项目包含实验基本操作、生理学虚拟实验、药理学虚拟实验、病理生理学虚拟实验、其他类虚拟实验。 7、在线考核：      在线考核模块集成了一套在线考核系统，考核内容包括生理、药理、病生、生化和一些综合题库试题，在线考核功能包含个人事务、成绩查询、账号管理、题库管理、试卷管理、过程管理、成绩管理、系统设置等。                      

系统以“学、教、练、考、管、评”的设计理念为依托，基于多学科、高质量、成体系的资源优势，满足全时段数字化教学、自主学习和标本考试需求，形成全场景应用的形态学数字化教学体系，满足师生全流程教学应用。

是新华医疗强大X线机研发团队专门为高校医学影像专业教学设计的又一力作，本实验台综合了单个实验箱的实验功能，综合性强，可使学生在比较中进行实验，进而提高学生综合运用知识的实验效果，让学生亲身体验，学以致用。主要实验模块包括：整流电路实验、高频X线机逆变频率电路实验、旋转阳极启动与保护电路实验、磁饱合稳压电路实验、曝光限时电路实验、管电压管电流测量实验、接地电阻测量实验、X线机发生器基本工作原理及控制实验等。

用各种物理手段（电场、磁场、压力、掺杂等）创造新的物态或调控不同量子物态是凝聚态物理领域广受关注的研究前沿，并有巨大的应用前景。而超短脉冲激光的飞速发展使得光激发调控复杂量子材料的晶体结构和电子性质成为可能。层状过渡金属二硫化物MoTe2可以形成几种不同的晶体结构并具有不同的物理性质或拓扑能带结构，为调控或切换不同结构相变提供了可能性。最近量子材料科学中心王楠林课题组和合作者利用超快泵浦探测和时间分辨的二次谐波探测技术，研究了MoTe2中两个半金属相之间激光诱导的亚皮秒时间尺度的结构相变。 MoTe2是由MoTe6八面体结构单元构成的原子层沿c方向堆叠形成的二维材料系统，不同的堆叠方式具有不同晶体对称性。1T-MoTe2在室温时是单斜的1T’相，随着温度降低在250K时发生结构相变，转变成正交的T_d相，其中可以存在第二类外尔费米子。王楠林课题组通过实验发现高强度的近红外激光脉冲可以在亚皮秒时间尺度内将中心反演对称性破缺的T_d相驱动到具有中心反演对称的1T’相。该相变发生的最明显的特征是时间分辨的反射率变化中横向剪切振荡声子的消失和二次谐波强度的急剧下降。通过选择和改变激发脉冲的脉宽和波长，从实验上排除了激光加热效应。该项研究首次在超快亚皮秒尺度内实现了激光诱导的非加热效应引起的MoTe2晶体中第二类Weyl半金属相与正常半金属相的超快结构相变。它为超快激光控制固体的拓扑特性开辟了新的可能性，使超快激光激发的拓扑开关器件具有潜在的实际应用价值。 该工作于2019年5月22日在线发表于著名学术期刊Physical Review X（Phys. Rev. X 9, 021036 (2019)），第一作者为量子材料中心博士生张梦瑶，王楠林教授和其研究组的董涛博士是通讯作者，量子材料科学中心王健教授研究组为该工作提供了样品。该项研究得到国家自然科学基金委员会、国家重点研究开发项目等项目的支持。

MoTe2是由MoTe6八面体结构单元构成的原子层沿c方向堆叠形成的二维材料系统，不同的堆叠方式具有不同晶体对称性。1T-MoTe2在室温时是单斜的1T’相，随着温度降低在250K时发生结构相变，转变成正交的T_d相，其中可以存在第二类外尔费米子。王楠林课题组通过实验发现高强度的近红外激光脉冲可以在亚皮秒时间尺度内将中心反演对称性破缺的T_d相驱动到具有中心反演对称的1T’相。该相变发生的最明显的特征是时间分辨的反射率变化中横向剪切振荡声子的消失和二次谐波强度的急剧下降。通过选择和改变激发脉冲的脉宽和波长，从实验上排除了激光加热效应。该项研究首次在超快亚皮秒尺度内实现了激光诱导的非加热效应引起的MoTe2晶体中第二类Weyl半金属相与正常半金属相的超快结构相变。它为超快激光控制固体的拓扑特性开辟了新的可能性，使超快激光激发的拓扑开关器件具有潜在的实际应用价值。 该工作于2019年5月22日在线发表于著名学术期刊Physical Review X（Phys. Rev. X 9, 021036 (2019)），第一作者为量子材料中心博士生张梦瑶，王楠林教授和其研究组的董涛博士是通讯作者，量子材料科学中心王健教授研究组为该工作提供了样品。该项研究得到国家自然科学基金委员会、国家重点研究开发项目等项目的支持。Figure: Pump induced SHG time traces of MoTe2 at selected fluences at T=10 K. The graph shows that as the laser fluence increases, the signal of the second harmonic of the sample drops significantly. The inset is a time-resolved schematic diagram of second harmonic detection

北京大学物理学院、纳光电子前沿科学中心、人工微结构和介观物理国家重点实验室“极端光学团队”胡小永教授和龚旗煌院士等在非厄密拓扑光子学研究中取得重要进展：发展出一种研究新型增益-损耗畴壁拓扑光学体系的有效哈密顿量新方法，揭示了由增益-损耗畴壁诱导的拓扑态的产生机制。

“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。