春风如酥，花开烂漫，最是一年好时节。走在田间的小路上举目望去，蝴蝶翩飞，如果看到上图的两种蝴蝶，它们翅膀上的特征如此不同，你或许会认为它们是不同的物种，而事实上它们是同一物种，只不过是在不同的季节有不同的外部形态。这种现象在生物学上称之为表型可塑性。

中试阶段/n全球青光眼患者约有6000 万，我国患者近900 万，其中79 万人失明，已成为我国第二大眼病,青光眼滤过手术市场约15 亿元。本项目产品是一种青光眼滤过手术辅助用三类医疗器械，拥有自主知识产权和高技术含量，顺应了国家经济的发展和人民群众的需要。它的最终实施将在科学、社会和经济等方面产生重大影响，意义深远。该产品为青光眼滤过手术用多肽凝胶引流植入物，能防止人工滤道闭合，引流房水，控制眼压，疗效好，安全性高

一种龙虾眼空间 X 射线探测器，属于探测空间 X 射线的探测器， 解决现有基于龙虾眼原理的 X 射线探测器结构刚度不足以及光在传导 过程中的漏光问题，以提高探测器的结构刚度，降低光在耦合传导过 程中的损失。本发明包括弧形框架、闪烁晶体、光导材料和光传感器阵列，弧形框架上具有多个呈阵列分布的锥形通孔，各锥形通孔内均 扦插有闪烁晶体，光传感器阵列与闪烁晶体间经光导材料耦合，光传 感器阵列尺寸大于且完全包络各锥形通孔下孔口在下球面的边缘。本 发明

 “凤凰眼”三维视觉人体检测分析仪基于人眼工作原理，采用自主研发的三维场景建模与深度感知技术，解决了传统监控摄像机无法解决人群遮挡的固有缺陷，可实现在遮挡条件、人群拥挤、多人交叉等复杂场景下精确检测多个人体目标，具有超高的准确率和超低漏检率，使得复杂拥挤场景下多人检测分析变为现实。  本产品可为物联网中的视频大数据分析、重点区域人流数据统计、人体检索提供强有力的支撑。主要特点1. 实时三维成像2.室内外精

本发明提供一种基于随机游走的眼动注视点测定方法，包括轨迹点分类阶段和轨迹点聚类阶段，所 述轨迹点分类阶段输入测试图片的眼动轨迹点数据，将其中属于注视点的各轨迹点分到不同的类别中; 所述轨迹点聚类阶段包括对每个类别分别执行，计算输入的各轨迹点之间的欧式距离构成距离矩阵，计 算概率分布矩阵，统计每个点的累计关注时间密度，代入随机游走模型，迭代得到收敛的权重向量，从 而计算注视点中心位置。本发明生成的聚类中心与用户关注中心更加拟合;本发明提出的基于随机游走 的眼动注视点测定的方法，综合考虑了时间和空间因素

XM-433眼常见病模型   XM-433眼常见病模型包括20种常见眼病的形态，每套模型由20只组成，分装入箱内展示正常眼、正常睑结膜、沙眼、、眼睑内翻、溃疡性睑缘炎、眼睑外翻、霰粒肿、麦粒肿、慢性泪囊炎、翼状胬肉、流行性出血性角结膜炎、角膜溃疡、角膜粘连性白斑、急性虹膜睫状体炎、巩膜炎、急性青光眼、老年性白内障、结膜异物、眼睑湿疹形态。 尺寸：放大3倍，37.5×56.5×9cm 材质：PVC材料   20种常见眼病: 1、正常眼：显示上下眼睑、睑缘、泪点、球结膜、巩膜、角膜、虹膜和瞳孔。 2、正常睑结膜：显示上下眼睑睑结膜，表面光滑透明，血管分布清楚。 3、沙眼：显示沙眼第二期重度（Ⅱ++），上眼睑睑结膜炎症，超过1/3以上面积，并有疤痕形成。 4、沙眼性血管翳：显示角膜上部有血管进入角膜组织，占角膜面积1/4。 5、眼睑内翻：显示上眼睑睑缘向内侧翻转，睫毛触及眼球角膜，造成角膜上部沙眼性血管翳，球结膜充血。 6、溃疡性睑缘炎：显示睑缘充血肿胀，睑缘睫毛根部有小脓泡溃疡和脓痂。 7、眼睑外翻：显示下眼睑向外侧翻转，睑结膜色红，肥厚，少光泽，下眼睑睑结膜与球结膜粘连。 8、霰粒肿：显示上眼睑睑结膜上蚕豆大小紫红色隆起肿块，中央呈灰黄色。 9、麦粒肿：显示上眼睑皮肤红肿，近鼻侧有黄色脓头隆起 10、慢性泪囊炎：指压泪囊部，从泪点流出黏液脓性分泌物。 11、翼状胬肉：显示角膜鼻侧有三角形翼状膜，头部进入角膜组织，体部血管丰富，肥厚，隆起。 12、流行性出血性角结膜炎：球结膜充血、水肿，有片状出血，角膜内有灰白色浸润点，下眼睑红肿。 13、角膜溃疡：角膜周围有明显混合性充血，角膜上皮和基质脱落缺损，形成角膜溃疡，有黄白色脓性分泌物。 14、角膜粘连性白斑：瞳孔梨状，梨蒂有白斑，为角膜病变所造成。 15、急性虹膜睫状体炎：混合性充血，瞳孔缩小不正圆。 16、巩膜炎：球结膜水肿，其下方巩膜呈紫红色充血。 17、急性青光眼：眼睑水肿，混合性充血，瞳孔中等散大，呈绿色反光。 18、老年性白内障：显示晶状体混浊，呈灰白色。 19、结膜异物：显示上眼睑睑结膜上黑褐色（铁屑）异物，伴结膜充血。 20、眼睑湿疹：显示下眼睑湿疹，睑缘充血肿胀，滤泡透明呈圆形。

自由物理空间中实现空气悬浮3D显示一直是人们的梦想，曾无 数次出现在科幻片中，高质量的3D空气悬浮成像是3D显示技术实现 的难点也是科学家孜孜以求的目标。市场现有的空气成像技术方 案，均有亮度低、分辨率低、尺寸小、离屏距离小、观看眩晕等问 题，不能提供逼真舒适的视觉体验。 班度科技通过创造性地提出“空间光场积分”原理，模拟真实3D 场景的漫散射光场分布方式，控制携带信息的光在空间交汇融合形 成实像散射光分布，利用逆向光线追迹的方法积分计算得到光学模 组面型分布，进而完成光线在自由空间中的重聚焦，突破了离屏深 度、观看视角、悬浮图像的空间分辨率等“卡脖子”技术瓶颈。可实 现直接和悬浮在空气中的3D影像进行交互，可将3D场景直接推送到 空中，实现多层次空间的构建及呈现，提高观看者的认知和分析能 力，并带来前所未有极富冲击力的视觉体验。同时，这种成像方式 由于打通了虚拟与真实场域的界限实现了完整融合，符合人的认知 习惯的平滑过渡，更容易被受众接受并由此产生自发交互行为，带 来全新的交互方式。

1、产品介绍 本平台融合了先进的多模态大模型智能体，并配备了一系列场景化实体组件，包括人工智能边缘计算平台（RK3588）、深度相机、二自由度云台、多轴机械臂、微型输送机、工业相机以及麦克风阵列等。这些设备使得我们能够快速构建智慧工厂、智能分拣、智慧交通、智能家居等多种应用场景。 平台内置了丰富的案例资源，包括但不限于MobileNet、Fcn_Resnet、Resnet、Openpose、Unet、Retinaface、Yolov8pose、Yolov等热门模型，为学生提供了实际操作和学习深度学习模型的机会。这些内置模型不仅有助于学生理解深度学习算法的实际应用，也为他们的创新项目提供了坚实的基础。通过这样的实训平台，学生能够在实践中深化理论知识，提升解决实际问题的能力。 1.一体式设计，要配套提供键盘、鼠标、电源适配器和实验教具，支持上电即用； 2.提供17寸以上屏幕，分辨率≥1920×1080; 3.安装面板需同时集成机械手臂、2D视觉系统、深度视觉系统、二自由度电动云台、语音模块、嵌入式传感器等组件.  

医影智能XR眼镜，这款集长续航、轻量化、易携带、AI识别等特性于一体的专业级教学设备，正以三大核心功能重塑医学影像教育生态。 1.医学影像设备可视化 无需实体拆解，医影智能XR眼镜即可实现医学影像设备从整机到内部结构动态呈现，DR平板探测器、CT扫描、MRI成像技术等内容，通过虚拟现实呈现成像流程，设备原理要点一目了然，重建教学内容可视化，实现“所见即所学”。 2.医学影像中心场景漫游  突破空间与场景壁垒，可沉浸式体验影像中心各科室的环境布局，深度感知科室文化；支持全流程模拟操作，可完整演练患者接待、体位摆放、设备参数调试、检查执行等核心环节，为影像中心科室规划优化、新人岗前标准化培训提供专业高效的实操支撑。 3.AI 智能识别 教材识别：精准识别医学影像教材中的图文内容，即时生成3D模型、流程动画及专业讲解。将静态文字转化为立体教学资源，大幅提升课程学习与知识传播效率。 部件识别：快速识别医学影像实体部件，同步生成部件参数、成像原理、维护注意事项等内容并实时讲解，解决现场学习时资料查询繁琐的痛点。

脑电信号作为人体重要的生理信息，已经被广泛应用于医学疾病诊断与治疗、人体潜能开发等方面。脑电图通过将电极接入被试对象的头皮，来测量大量神经元发放所形成的电场。脑电波作为能够体现大脑活动的信号中的一种，有方便检测、非侵入式且对被试对象友好等特点。一般认为，通过对大脑脑电波的检测并采取特定数据分析方法，有望将大脑的各项反应能力充分挖掘出来。近年来，脑电信号分析已成为认知神经科学领域的重要技术之一。大量研究表明，人类认知能力与脑电信号有关，其中工作记忆能力在认知中起关键作用。脑电信号具有数据量大、时间分辨率高、易受干扰等特点，给研究带来了不少挑战。杨立坚课题组使用样条函数，基于随机抽取的122名大学生志愿者训练集，以闭眼静息态下8个脑前区导联的脑电信号（图1），对20名志愿者测试集进行工作记忆能力的预测（图2），其确定系数R^2在多次随机试验下的中位数为68%，最低值大于50%，最高值72%（图3）。图1 ：试验中脑电信号记录的导联名称和位置图2：对某测试集计算的认知能力预测值与真实值的对比图3：对多次重复随机抽取的测试集计算的确定系数R^2箱线图杨立坚课题组依托10年来自身在函数型数据领域的研究成果，课题组2017级博士生张园园和2018级博士生黄昆在学习神经科学专业知识的同时，与机械工程系教授吴方芳和硕士生王健凯高效合作，分析季林红课题组的大学生志愿者脑电与认知能力数据。他们秉承“面向应用，背靠理论，写好算法”的统计学理念，把样条回归估计脑电信号的光滑轨迹，张量样条回归估计协方差函数，样条估计函数型主成分与得分等深刻的统计学前沿理论，结合LASSO回归，转化为快速准确分析脑电数据的算法（图4），从2018年12月开始仅用6个多月的时间，就很好地解决了基于工作记忆能力预测的问题，完成了这篇跨学科应用方法论文。图4：算法流程图