1月10日，中国高等教育博览会新闻发布会在北京召开，主题是介绍高博会服务高校设备更新改造及数字化建设专项工作。

产品详细介绍   HD-SDI数字高清音视频矩阵主要特性    HD-SDI系列数字高清矩阵内部采用专用的1.5Gb/s高速开关芯片，图像清晰无误码；输入端采用了自适应均衡专用芯片，提高了输入信号的适应能力；输出带驱动设计，有效增强了输出能力。    机箱全部采用EMI的结构设计，有效的防止电磁辐射及电磁波的干扰，性能更加稳定。    内嵌智能控制，采用了独特的处理方式，大大提高了设备的切换速度，实现了指令之间不需等待的快速控制；具备掉电状态存储保护、开机自动恢复记忆的功能。    除面板键盘和红外遥控（选配）操作外，还提供RS232控制接口，方便用户与各种集中控制设备（如MSEER、快思聪、AMX等）配合使用；通过随机提供的软件，可方便设定设备编号，便于多台同型设备共联控制。    HD-SDI系列数字高清矩阵主要应用于高清广播电视工程、高清可视会议厅、大屏幕显示工程、高清电视教学、指挥控制中心等高清应用场所。产品参数SDI/HD-SDI特性兼容码流 ：143Mbps～1.5Gbps均衡能力 ：100m @1.5G（Belden 1694A）时钟恢复 ：可选SDI/HD-SDI输入信号输入 ：SDI/HD-SDI信号接口形式 ：BNC阻    抗 ：75Ω反射损耗 ：>18dB 5MHz-1.5GHzSDI/HD-SDI输出信号输出 ：SDI/HD-SDI信号接    口 ：BNC输出幅度 ：1500mv±5%直流偏移 ：0V±0.5V信号过冲 ：0V±0.5V信号抖动 ：< 0.2 UI per SMPTE阻    抗 ：75Ω音频特性增率 ：0dB频率响应 ：20Hz~20kHz总谐波失真+噪声 ：0.05% @1kHz（额定电压下）共模抑制比（CMRR）：（CMRR）>75dB@：20Hz~20kHz音频输入信号类型 ：立体声，平衡/非平衡接口形式 ：5PIN接口阻抗 ：>10kΩ最大电平 ：>+21dBu音频输出信号类型 ：立体声，平衡/非平衡接口形式 ：5PIN接口阻抗 ：>470kΩ最大电平 ：>+21dBu控制类型     停止位：1位，无奇偶校验位串行控制口结构：2=TX，3=RX，5=GND规格     电源：100VAC ~ 240VAC, 50/60 Hz, 国际自适应电源     功率：≤40W     存储环境温度：-20°C ~ +150°C     工作环境温度：-10°C ~ +55°C     相对湿度：20% ~ 95%     平均无故障时间：30，000小时

用于中低速风洞动态流速测量，是湍流研究，风洞试验的必备设备。 功能特点： 1.操作极简单，无需平衡消振荡调节； 2.流速全范围一次标定，任意测量； 3.动态响应极好，贫响宽； 4.全计算机控制处理，高速 A/D，软件包内含基本流体测量，研究算法。 应用领域： 风洞试验，环境现场流场测量分析等

带钢连续热处理(包括立式炉、卧式炉)过程是冷轧和热轧带钢生产的重要工序，该过程是在带钢成分确定的情况下，依靠控制热量传递过程来控制带钢内部微观结构的演化，最终完成金相组织的转变，达到控制带钢力学、电磁等性能的目的。因此，温度控制是带钢热处理过程控制的核心，也是热处理质量的根本保证。为了解决带钢连续热处理炉优化控制的技术难题，并克服半理论或纯经验控制模型严重依赖于现场、难以移植和泛化能力有限的不足，本成果基于传热机理模型对带钢在连续热处理炉内的传热过程及其优化控制策略展开相关的理论分析和实验研究。 本成果瞄准带钢连续热处理热过程模型研究,基于传热学的基本原理,精确解析退火炉内辐射换热、对流换热(喷气快速冷却、喷气快速加热)、接触换热(炉辊与带钢之间)、喷雾冷却等传热过程，开发带钢在热处理过程中的温度分布预测软件,准确预测带钢温度分布(包括稳定工况和工艺过渡工况)，带钢温度预测的典型精度在±2.5%以内(90%以上的命中率)，为提高带钢连续热处理的产品质量奠定了基础。在带钢温度精准预测的基础上，基于可行工况集和最优化方法，建立了炉况参数优化策略，大大降低带钢连续热处理工艺切换的效率。

南方感潮河网区水流水质耦合模拟系统根据南方感潮河网地区的地形、防洪设施、水利工程等特点， 采用计算机模拟技术，构建南方感潮河网区水动力水质数学模拟模型，定量模拟河网区水流流动状况以及 污染物在河网区迁移转化状况，着力研究解决新时期南方河网区水资源开发利用和水污染控制问题，加强 水资源科学管理，控制水环境污染，对促进南方河网区社会经济稳定发展有重要的意义。

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。