XM-SWM高级眼视网膜病变检查模型   一、功能特点： ■ XM-SWM高级眼视网膜病变检查操作模型用于训练眼底检查和眼底病变诊断技巧，配有13种临床常见的眼底病变模块且更换方便，利于示教和训练。 ■ 模型采用高分子材料制成，仿真度高。 ■ 模型呈标准的眼底检查体位，病变图片可以方便置入到模型内。 ■ 可用眼底镜进行眼底检查。 ■ 病变图片可在幻灯机上放映并教学。 ■ 共有13种病变： · 正常视网膜                         · 老年性视网膜黄斑变性/玻璃疣 · 视网膜中心静脉闭塞                 · 高血压性视网膜病变 · 视乳头水肿                         · 视神经盘凹陷 · 视神经萎缩                         · 轻度背景型糖尿病视网膜病变 · 背景型（单纯型）糖尿病视网膜病变   · 增殖前期糖尿病视网膜病变1 · 增殖前期糖尿病视网膜病变2          · 增生性糖尿病视网膜病变 · 糖尿病视网膜病变 ■ 可反复进行练习。   二、标准配置： ■ 高级眼视网膜病变检查模型：1台       ■ 病变模块：13个 ■ 说明书：1册                         ■ 保修卡合格证：1张

我方与合作方联合开发了一套拥有独立知识产权的眼动识别软件以及与配合使用的外接眼动仪智能硬件。 该套设备可以自动跟踪并分析患者眼睑的肌肉动作，精确抓取不完全瞬目、眨眼过快、眨眼过慢、用眼过度等用眼习惯数据，以自主研发硬件进行智能提示，帮助视频终端引起的干眼症及眼疲劳症患者制定正确用眼习惯计划，有效辅助治疗视频终端相关性干眼及视疲劳。

我方与合作方联合开发了一套拥有独立知识产权的眼动识别软件以及与配合使用的外接眼动仪智能硬件。 该套设备可以自动跟踪并分析患者眼睑的肌肉动作，精确抓取不完全瞬目、眨眼过快、眨眼过慢、用眼过度等用眼习惯数据，以自主研发硬件进行智能提示，帮助视频终端引起的干眼症及眼疲劳症患者制定正确用眼习惯计划，有效辅助治疗视频终端相关性干眼及视疲劳。应用范围:全国人口中 60%-80%的人，都有不同程度的干眼症。2015 年即有数据公布， 全国 2000 万干眼患者。并且，每年还在以平均每年 40%左右的速度增长。2016 年仅天津医科大学眼科医院一家机构，共接诊干眼症患者 4 万余人。现阶段缺乏有效的干眼病因诊断及治疗，故急需快速诊疗，操作简单的诊疗仪器，引导患者进行工作环境下或家庭康复训练及理疗，减少干眼发病率及就诊率。本产品是基于以上需求开发的，临床应用前景广阔。效益分析:本成果对应领域为所有电子视频终端用户，尤其是已经引起干眼的用户。 目前该治疗领域的治疗方式及局限性如下： 1、滴眼液：辅助缓解干眼。不能从病因上根除治疗。 2、专业睑板腺按摩：须在院治疗，治疗环境受限。不方便患者连续治疗。 3、国外干眼症治疗仪：体积大、平均售价 12 万美金/台。单次治疗费用2000 元。限制了仪器的普及使用。 本项目的创新优势： 1、研究表明 90%以上的由于视频终端所引起的干眼症可以通过恢复正确的用眼习惯、眨眼频次、完全闭合性眨眼动作，从消除病因上根治干眼症的。本成果依据以上研究结果，引导视频终端干眼患者在家进行眼部康复训练及物理理疗。 2、本产品售价低廉，可采用出售或租售给患者的模式，短期辅助诊疗，长期预防治疗。 3、本产品体积较小，且随意摆放至视线内任意台面，即可开机使用。治疗场景不受约束，可随时随地进行眼部训练及辅助治疗。 4、本产品不直接接触人体，治疗过程无痛苦。

产品详细介绍 北医附小牡丹园校区近视防控教室 北医附小牡丹园校区近视防控教室

厄尔尼诺现象，是赤道中、东太平洋海表温度持续异常升温的周期性气候现象，平均每2-5年发生一次，对全球气候具有重大影响。厄尔尼诺现象会造成全球不同地区的异常温度变化，以及干旱或强降雨等现象。及早并准确地预测厄尔尼诺的发生以及强度，对预防或降低其带来的全球范围内的经济、农业、社会等方面的损失意义重大。 2019年12月24日，由北京师范大学系统科学学院陈晓松教授参与指导的一篇关于厄尔尼诺预测的文章已在线发表在美国科学院院刊PNAS上，首次克服了长久以来困扰厄尔尼诺预测的“春季预测障碍” （即无法在厄尔尼诺发生的那一年的春季或更早给出准确预测），将对厄尔尼诺现象的发生，特别是强度的预测提前一年。 该文作者提出了一套基于信息熵理论的全新的方法——System Sample Entropy——用来计算厄尔尼诺区域（Nino 3.4）近海平面空气或海表温度的复杂度（包括温度随时间变化的无序性以及不同地点温度变化的同步性或相干性）。利用这一方法，作者们发现了Nino 3.4区域温度变化的复杂度与厄尔尼诺现象强度存在着非常强和稳定的线性关系，即一年内（1月1日-12月31日）Nino 3.4区域的温度变化复杂度越大，那么下一年发生的厄尔尼诺事件的强度就越大。基于这一发现，作者们提出了一套基于每年Nino 3.4 区域温度变化复杂度的大小（由该区域 System Sample Entropy 量化）来预测来年厄尔尼诺发生及其强度的方法。该方法目前成功的预测了1984至2019年期间10个厄尔尼诺事件中的9个事件的发生年份，以及24个没有厄尔尼诺现象发生的年份当中的21个，特别是对厄尔尼诺强度预测的平均误差仅为0.23摄氏度。 对于刚刚到来的2020年，基于文中提出的System Sample Entropy的方法，作者们预测厄尔尼诺将有很大概率会在本年下半年再次发生，并发展为一个中等强度甚至高强度的厄尔尼诺事件，其预测强度为1.48+-0.25摄氏度。 目前传统的厄尔尼诺预测方法只能在提前6个月范围内给出比较准确的预测，而这对于提前预防厄尔尼诺带来的一系列严重影响是非常局限的。这一新的预测方法，将对厄尔尼诺的预测时间提前到了每年一月。这对于提前采取行动，控制和降低这一现象所带来的一系列全球范围内的消极影响，将意义重大！ 此工作由德国波茨坦气候影响研究所 （PIK）樊京芳博士作为通讯作者，PIK 的Jürgen Kurths教授，Hans Joachim Schellnhuber教授以及北京师范大学陈晓松教授等参与共同完成。陈晓松教授领导的研究小组多年来一直从事统计物理和复杂系统及相关课题的研究，特别是近年来专注于地球复杂系统的动力学演化及预测。

2020年2月12日，湖南大学联合苏州系统医学研究所、中国国家流感中心和中山大学等单位，成功开发基于分子标记物的流感病毒表型预测平台FluPhenotype，并在国际生物信息学专业权威期刊《Bioinformatics》发表题为“FluPhenotype-a one-stop platform for early warnings of the influenza A virus"的文章进行相关介绍。该文章的第一作者为湖南大学生物学院硕士研究生卢聪毓和博士研究生蔡泽娜，通讯作者为湖南大学生物学院副教授彭友松与苏州系统医学研究所蒋太交教授。 研究人员通过整合流感病毒核苷酸和氨基酸水平的分子标记物，以及基于分子标记物的抗原和宿主等预测模型，开发了快速预测流感病毒的抗原、宿主、致病性、耐药性等多个表型的预测平台FluPhenotype。