|
搜索
搜 索
高等教育领域数字化综合服务平台
外周穿刺中心静脉穿刺插管模型XM-WZ
XM-WZ外周穿刺、中心静脉穿刺插管模型
一、功能特点：
■ XM-WZ外周穿刺、中心静脉穿刺插管模型采用高分子材料制成，肤质仿真度高。
■ 模型为成人上半身躯干，右侧上臂至腕部，取仰卧头低位，头偏向对侧。
■ 有明显的体表标志，包括锁骨、胸骨上切迹和肋骨以及胸锁乳突肌。
■ 具有逼真的血管结构，主要包括上腔静脉、颈内静脉、锁骨下静脉、头静脉、贵要静脉和肘正中静脉等。
■ 可进行锁骨下静脉穿刺及颈内静脉穿刺，也可进行肘窝静脉穿刺，进针有明显的落空感。
■ 可进行心脏漂浮(Swan-Ganz)导管的插管练习。
■ 可反复进行练习。
■ 皮肤和静脉血管可更换。
二、标准配置：
■ 外周穿刺、中心静脉穿刺插管模型：1台
■ 说明书：1册
■ 保修卡合格证：1张
上海欣曼科教设备有限公司
2021-08-23
一中心五平台四端四屏
一中心是全校教学数据交换中心，教师教学空间平台、学生学习空间平台等覆盖教与学全过程，教师端、学生端、小组屏、教师屏等搭建强交互教学场景，轻交互教学平台覆盖智慧教室外的教学场景，实现全校智慧教学。
安徽爱学堂教育科技有限公司
2021-02-01
第九届全运会排球主赛馆 阳江体育中心
产品详细介绍
江苏省南京市高淳宏大木地板装璜有限公司
2021-08-23
教创赛专家报告荟萃⑭ | 南京大学本科生院院长王骏：以学生发展为中心，培养新时代拔尖领军人才
南京大学围绕拔尖创新人才培养这一核心目标，结合自身办学历史与时代需求，从多维度开展探索实践。
高等教育博览会
2025-09-28
教创赛专家报告荟萃⑫ |清华大学基础工业训练中心主任杨建新：清华大学创新创业教育体系及iCenter的探索与实践
三位一体、三创融合、开放共享
高等教育博览会
2025-09-28
面向APT检测的攻击链数据建模与分析
主要研究APT 网络攻击全链条的通用表征和威胁模型，
实现攻击的全链条威胁分析；研究跨平台内核数据实时可信
采集方法，探索基于去噪和去冗技术的高效数据解析、基于
语义恢复技术的关键字段填充；研究多源异构内核数据的重
构方法；研究保持全局依赖的数据压缩方法，实现实时、高
效、普适的数据压缩；研究面向APT网络攻击全链条的智能
检测框架，实现对攻击的全链条高效检测；研究APT网络攻
击的演化模式，实现APT网络攻击的可解释溯源分析。
浙江工业大学
2021-05-06
面向轨迹挖掘的数据预处理方法及系统
本发明提供了一种面向轨迹挖掘的数据预处理方法及系统，该方法包括：在原始数据库中提取离散的轨迹点，对轨迹点进行归类提取后形成若干个独立的轨迹段集合；对每一轨迹段集合中的轨迹点进行重复定位点检测，若判断该重复定位点为历史定位点，则删除；对每一轨迹段集合中的轨迹点进行定位异常点检测，若判断为定位异常点，则删除该轨迹点，得到若干条完整的轨迹；对所述完整的轨迹进行简化压缩，得到压缩轨迹；存储所述压缩轨迹；同时对系统运行状态进行监控，保证系统可以持续、稳定运行。本发明提供的方法通过对提取出的轨迹点进行重复定位点以及定位异常点清除，保证了轨迹数据的正确性和完整性，提高了轨迹数据挖掘的准确度。
中国农业大学
2021-04-11
面向轨迹挖掘的数据预处理方法及系统
本实用新型公开了一种苜蓿播种机用开沟器，主要由开沟装置、开沟器架、导肥装置和导种装置组成。开沟装置主要由侧翼铲、滑刀和扩沟板组成，旨在开出适宜苜蓿种子发芽的高质量种沟；导肥装置由导肥管和散肥器组成，用于将肥料导入种沟侧面；导种装置主要由导种管组成，旨在将苜蓿种子导入由开沟装置形成的种沟内。本实用新型能够满足苜蓿播种开沟的要求，可以开出高质量种沟，利于苜蓿种子出苗及第二年返青。本实用新型适用于大部分地区的苜蓿播种，特别是寒冷、干旱地区。
中国农业大学
2021-04-11
面向生物医学文献的数据挖掘平台
将计算机自然语言处理方法和生物本体学方法结合起来，发展一套面向生物医学文献的数据挖掘技术，建立了一个文献挖掘平台。该平台可以对生物医学文献进行数据挖掘，发现隐含在文献中的生物学实体及其联系，发现深层次的生物医学知识，自动获取大量的第一手生物医学数据。例如，挖掘与人类基因相关的信息，挖掘蛋白质相关信息，发现基因的功能，发现基因与疾病之间，发现蛋白质之间的相互作用等。/line对于一组给定的文献，该平台首先进行句法分析和生物学术语标定，然后进行语义分析，提炼每条语句的生物学含义，提取文献中的生物医学关联特性，以发现文献中的基因、蛋白质、疾病以及它们的关系。
东南大学
2021-04-10
基于生成图像数据的水下目标检测与识别
一、项目简介 水下目标检测与识别，是水下机器人等相关系统能够被高效应用的前提。然而现有系统难以应对水下图像能见度较低，对比度差，存在颜色漂移和边缘模糊等问题；另外，水下图像样本稀少且缺乏足够的变化性，使得相关基于机器学习的目标检测与识别系统由于缺乏训练样本而无法有效应用。 二、前期研究基础 项目利用深度学习等新的理论突破，提出两种解决方案，一种是通过结合水下成像原理与深度风格迁移、生成对抗网络等算法，由普通光学图像生成水下图像，构建水下图像目标检测与识别仿真库，该数据库一方面数据量大且具有较大的变化性，也即场景与目标均具有较大的变化性；另一方面，由于是由普通光学图像迁移获得，因而也可以直接应用普通光学图像自身的标签信息，无需再对其进行标注。另一种是研究基于水下退化图像处理算法的检测和识别系统，解决由水下图像的色彩漂移和细节丢失等退化现象带来的目标检测和识别问题。同时通过水下退化图像处理模块和检测识别系统的联合优化技术，可以实现退化图像的增强方法与检测识别系统的最佳匹配。在保证处理后的退化图像性能指标的前提下，进一步提升水下图像的目标检测识别性能。 三、应用技术成果 1）基于深度学习风格迁移的水下图像生成效果示例 a为自然场景图像中的目标检测结果；b为模拟生成的水下风格图像及其目标检测结果；c为图像增强后的目标检测结果。 四、合作企业 无
厦门大学
2021-04-11