本发明公开一种基于多人眼感知分组特性的图构造方法，包括以下步骤：将待处理图像过分割成多个超像素，并将超像素定义为图的顶点；基于人眼感知分组特性中的空间邻近特性，将在图像空间中相邻的超像素相连，作为图的一部分边；基于人眼感知分组特性中的颜色相似特性，将图像中颜色特征相似的超像素相连，作为图的另一部分边；基于人眼感知分组特性的纹理相似特性，将图像中纹理特征相似的超像素相连，作为图的又一部分边；基于PRSVM算法，学习空间邻近度、颜色相似性和纹理相似性对图中边权的作用大小；将图的边权定义为相连的两个超像素之间空间邻近度、颜色相似性和纹理相似性的加权和。本发明充分考虑人眼的多种感知分组特性，有效描述图像中各区域之间的关系，有助于对图像中的目标进行检测。

本发明公开了一种液晶基多眼套叠仿生成像探测芯片，包括多眼套叠成像探测架构，其包括同轴顺序设置的驱控与图像预处理模块、面阵可见光探测器以及面阵电控液晶聚光微透镜，面阵电控液晶聚光微透镜包括 m×m 个单元微透镜，其中 m 均为正整数，面阵可见光探测器被划分为 m×m 个子面阵可见光探测器，每个子面阵可见光探测器包括 m×m 个光敏元，面阵电控液晶聚光微透镜用于接收目标光波，并将该目标光波离散分割到面阵可见光探测器中不同

XM-429眼球与眼眶附血管神经放大模型   XM-429眼球与眼眶附血管神经放大模型可拆分为10部件，由眼眶、眼球壁、巩膜、脉络膜和视网膜、玻璃体、眼球外肌以及眼眶壁和鼻甲等组成，显示眼（包括眼球壁和内容物）、眼副器（包括眼睑、结膜、泪器和眼球外肌）以及眼的血管和神经等结构。 尺寸：放大，28×32×41.5cm 材质：PVC材料

YR/H3100高智能数字化ICU（综合）护理技能训练系统是工程技术和仿生学技术的完美结合，将有现在的医学模拟技术赋予一身，其可自主表现生命体征，并可对所给予的治疗措施自主进行生理体征变化。该系统根据新护理大纲设计，针对临床护理培训，系统由全身男性模拟病人、生命体征模拟器、多参数模拟监控仪、计算机等组成，具有基础护理与高级护理功能。本系统同时适用于医院、医学院、卫校等医疗单位。并面向乡村医师技能培训，提供心肺复苏术、体外除颤等急救操作技能。通过虚拟安全的模拟及护理技能的培训、图文、声像、视频相结合，有操作日志、存贮、考核评估、成绩打印、网络交互式功能。标志着公司的护理教学系统开始与国外发达国家接轨。适用学科：ICU护理、急救医学护理、呼吸内科护理、心内科护理、泌尿内科护理、外科护理、急救医学、危重症医学、战地医学等。系统主要功能★ 标志表示需要与选配件配套使用才能实现的功能■ ICU技能：· 气道管理技术：标准口、鼻插管，气管切开术，支持仰头举颏法、推举下颌法开放气道。模拟牙关紧闭、舌水肿、咽部水肿、喉痉挛、单双侧肺阻塞、主气道堵塞等体征。· CPR操作训练：可进行口对口、口对鼻、简易呼吸器对口等多种通气方式；电子监控气道开放、吹气次数、吹气频率、吹气量、按压次数、按压频率、按压位置和按压法深度；自动判断人工呼吸及胸外按压的比例；实时数据显示，全程中文语音提示；抢救成功后，模拟人瞳孔由散大变为正常，动脉恢复搏动，出现自主呼吸。★ 真实除颤、起搏：可与不同厂家、不同型号的除颤起搏器配套使用，实现真实除颤起搏。★ 模拟除颤起搏：多媒体动画展示医用除颤起搏器的使用，与YR/J880模拟除颤起搏器配套使用，可实现除颤起搏。可选择除颤能量，最大除颤能量达到360J。★ 真实AED：可与不同厂家、不同型号的AED配套使用，实现真实AED训练。★ 模拟AED：多媒体动画展示AED操作过程，与YR/AED自动体外模拟除颤仪配套使用，可实现AED训练。全程中文语音提示，提供贴片电极和纽扣电极，自动检测心率并分析是否需要除颤。★ 真实心电监护：可与不同厂家、不同型号的心电监护仪配套使用，实现真实心电监护。★ 模拟心电监护：与YR/J115多参数模拟心电监护仪配套使用，可实现模拟心电监护。使用指夹式血氧探头检测血氧，内部储存上千种种心电图。多参数模拟监护仪（LCD）屏幕提供12导联心电图、血氧饱和度、呼吸、二氧化碳、血压（动脉血压、中心静脉压、肺动脉压、无创血压）、心输出量等。 ■ 生命体征模拟：· 瞳孔观察：瞳孔液晶显示为CSTN伪彩、65K色、RGB；能在1-9mm之间，随意模拟瞳孔的正常、散大、缩小等状态。· 颈动脉、股动脉、桡动脉搏动，生动再现病人呻吟、咳嗽、呕吐声音。· 呼吸模式：模拟正常呼吸、叹气样呼吸、陈-施氏呼吸、库什摩尔呼吸、毕奥呼吸。· 真实的自主呼吸，呼吸时胸廓有起伏，可调节呼吸频率及呼吸深度。· 听诊：可听诊几十种声音，包括正常心音、异常心音、正常呼吸音、异常呼吸音、正常肠鸣音、异常肠鸣音。■ 临床护理训练：· 穿刺术：胸腔穿刺、骨髓穿刺。· 血压测量训练、三角肌皮下注射、股外侧肌内注射、手臂静脉穿刺、注射、输血、臀部肌内注射。· 清洗梳理头发、洗脸、耳清洗滴药、口腔护理、假牙护理、吸痰法、氧气吸入法、口鼻饲法、洗胃法、胃肠减压、灌肠法、造瘘引流术、男/女性导尿术、男/女性膀胱冲洗术。· 整体护理：四肢关节左右弯曲、旋转、上下活动、擦浴、穿换衣服、冷热疗法。■ 软件系统应用：· 提供单机版（一点一套）、网络版(一点多套）软件，用户可根据自己的实际需要进行选择。· 脚本/病例编辑：支持用户自编辑模拟护理病例，软件自动记录病情的变化和学员操作过程。· 模拟注射泵/输液泵的使用：多媒体动画展示注射泵/输液泵的操作流程，可选择药物进行操作。· 训练与考核：软件内存有几百道考题。支持心电图、急救知识理论、护理场景、病例、CPR训练与考核。· 心电图监护：使用指夹式血氧探头，实现模拟心电监护和真实心电监护，内部储存上千种心电图。· 护理场景脚本训练/考核：系统自带数十个场景，涵盖内科、外科、急诊、ICU等科室病人的护理，并通过交互性多媒体课件检验护理操作关键知识点的掌握程度。软件提供多种药物治疗和典型的辅助检查，如胸片、超声心动图，12导联心电图等。· 局域网络教学：可选配摄像头，具有彩色视屏监控功能，可对每个在线的学生的操作手法和过程进行实时视屏监控。综合计算机同步统计数据，便于教学掌握每个学生的训练考核情况。

本项目结合计算机视觉、自然语言处理、内镜影像学、早期肿瘤诊疗学技术，创建消化道肿瘤内镜下智能早诊早筛体系，大幅提高内镜检查质量和消化道肿瘤早诊早筛水平。 一、项目分类 显著效益成果转化 二、成果简介 消化道肿瘤是严重威胁全球人群健康的重大疾病。早诊早治是改善患者生存率的重要策略，然而，项目组多年流行病学研究揭示，我国消化道早期肿瘤检出率低、漏诊误诊率高，检查质量参差不齐，严重危害患者生命。 基于此，本项目结合计算机视觉、自然语言处理、内镜影像学、早期肿瘤诊疗学技术，创建消化道肿瘤内镜下智能早诊早筛体系，大幅提高内镜检查质量和消化道肿瘤早诊早筛水平。具体为：1）首创消化内镜全局智能监测与无盲区扫查技术，开辟内镜质控新路径。使胃镜检查盲区率降低45%、肠镜检查合格率提高1.78倍、腺瘤检出率提高1.12倍，确立我国在该领域的领先地位；2）发明“逻辑拟人化”消化道高危病灶动态探查方法，使胃瘤变漏诊率降低78%，推动智能内镜临床应用；3）创建实时监测与智能反馈内镜检查质量方法，使医生胃癌前状态检出率提高1.33倍，肠腺瘤检出率提高0.88倍，显著提高消化内镜检查质量；4）研制消化内镜人工智能辅助诊断主机，实现实时动态多模态预测，系统延迟小于 48ms，全面满足临床需求。 在消化内镜人工智能领域发表论文影响因子排名世界第一，引领研究方向，共发表相关研究论文52篇，其中中华系列论文25篇，SCI论文27篇，影响因子9分及以上21篇，单篇最高45分。制定专家共识及行业指南3项、国家专业医疗质量控制指标18项。该项目获批国家发明专利34项，成功转化发明专利14项，所孵化产品获国家医疗器械创新审批，获中国、欧盟II类注册认证共7项。在中德500余家三甲及基层医院落地应用，覆盖近2000万人；技术相关应用直接经济效益达5亿元，社会经济效益显著。 获2021年湖北省技术发明一等奖、2021年欧洲消化疾病周国家学术奖、2020年中国十佳消化道领域临床研究奖等。樊代明院士和李兆申院士评价该成果极大推动我国消化道早癌防治事业的发展。

人工智能应用创新实训平台是一款专为人工智能领域专业学生设计的多功能教学工具，它集科研教学、实验实训和项目实践于一体，提供了一个全面的学习环境。该平台以国产高性能芯片RK3588作为其边缘计算的核心，支持本地化编程开发，使得学习者能够深入掌握人工智能技术。此外，平台还支持PyTorch、TensorFlow、NCNN等多种主流深度学习框架，便于学生进行模型训练和推理实践。 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、Yolov11等前沿模型，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。 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，包括深度相机、双轴云台、多轴机械臂、微型输送带、工业级相机以及麦克风阵列等。这些尖端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。

面对疫情，北京航空航天大学机械工程及自动化学院先进数控和智能制造团队刘强教授、肖文磊副教授等一批教师和研究生自发组成“大数据建模分析工作群”，开始收集疫情数据，交流和讨论建模方法。刘强、肖文磊又与工作群中的孙鹏鹏、王柳权、臧辰鑫、朱三颖、高连生等人，组成了“2019-nCoV疫情建模分析应急响应研究小组”核心攻关组，全力以赴开展本次疫情建模仿真和预测分析研究工作。疫情建模分析应急响应小组的研究工作是在2003年郇极教授提出的“一种基于自动控制理论的SARS传染预测模型”的基础之上，结合此次新冠疫情原发地高度集中、恰逢春节期间人口流动的特点，采用控制论原理和大数据分析方法建立功能更全面的2019-nCoV动态感染过程模型。刘强教授团队对北京、上海、重庆、温州、长沙、郑州、成都、杭州、深圳等40余个城市的疫情数据发展趋势进行了动态仿真分析。基于分析结果，应急响应小组直接向上级部门提交疫情关键数据预测报告2份，直接向中国疾控中心提供预测分析数据及报告2份，向上级提出北京延期恢复正常上班的紧急建议1份，为高层疫情防控决策提供了及时有效的技术数据支持。