全球糖尿病患者2011年达到3.66亿人，关注度升至第二位、仅次于艾滋病。2010年我国已达9000万人，近年以超过20%的速度发展，增长惊人。糖尿病具有很高的致残率和死亡率，其直接原因是糖尿病并发症。目前，全球缺乏预防和治疗这些糖尿病并发症的成熟、有效药物，能够治疗糖尿病并发症的药物，全球范围内仅有一种且限于日本市场。我们已开发出一种新型药物，具有自主知识产权，可用于糖尿病白内障、肾病和神经性疾病的治疗。该药已经过体外试验、动物模型试验和急毒试验，现处于临床前试

本项目通过超浓反相乳液聚合，利用丙烯酰胺、丙烯酸等单体共聚合成高性能反相乳液型油田降滤失剂。 钻井泥浆处理剂占钻井总费用的40％以上，随着我国三次采油技术的要求，西气东输工程的建设，各种隧道穿越，钻探工程的增加，对泥浆处理剂的用量会迅速增加，该产品作为主要的泥浆处理剂，符合国家整体建设发展战略，具有广阔的市场需求和良好的发展前景。此外，该产品还是性能良好的污水处理剂，对冶金、矿物加工产生的污水具有良好的聚凝、净化作用，对环境治理有重要意义。 目前国内同类产品通常在水溶液中进行，工艺路线长，有污水产生。产品性能较国外同类产品相比，相差甚远。 本技术生产工艺大大简化，产品无需后处理，可直接在泥浆中使用，产品性能大国为先进水平，降低了设备投资和产品成本，无任何三废。

XM-523-1鼻、口、咽、喉腔模型（带数字标识）   XM-523-1带数字标识鼻、口、咽、喉腔分解模型由头颈部、喉腔正中矢状切面左、右侧半，上、下两部分，以及游离的舌和咬肌、咽缩肌等10个部件组成，并显示表情肌肉、颅骨、鼻、口、咽、喉腔正中矢状切面、鼻中隔、面肌、咽肌、游离舌等结构，带有多个部位数字指示标志和对应的文字说明。 尺寸：放大约2倍，36×30×23cm 材质：PVC材料

XM-315手肌附主要血管神经模型   XM-315手肌附主要血管神经模型由手肌、掌腱膜、鱼际、小鱼际和蚓状肌等7个部件组成，显示手肌分层、手骨、韧带、肌腱及其主要血管神经等结构，共有71个部位数字指示标志及对应文字说明。 尺寸：自然大，22.5×13.5×5.5cm 材质：PVC材料

研究方向：机器人技术、肌电假手、康复机器人、机器人视觉、家庭 服务机器人、人体技能分析。 项目简介： 肌电假手的主要特点是手指灵活、手腕可动、稳定识别、 电刺 激反馈感觉、 成本低廉、自主知识产权。 项目特色： 物理支持：机械手臂，识别工件并搬运工件，抓取工件并根据作 业步骤改变工件位置；支持工人作业，降低工人体力消耗，提高生产 效率。 模拟仿真：使用 ROBOGUIDE 和 OpenGL 建立模拟系统，优化 机械手臂运动轨迹，模拟人机碰撞，缩短设计周期，降低设计成本。

肌电假手的主要特点是手指灵活、手腕可动、稳定识别、 电刺激反馈感觉、 成本低廉、自主知识产权。肌电假手技术的应用•     肌电信号识别技术Ø 与三维动作分析仪相结合分析人体运动技能Ø 与机械相结合研制助力装置：如外骨骼机器人、老年人助力机器人Ø 与虚拟现实相结合开发肌肉控制装置：如游戏控制器•&nbs

产品详细介绍肌电信号分析肌电信号(Electromyogram)简称EMG，反映神经肌肉兴奋性，评估神经与肌肉的功能状态。可用于肌肉工作的工效学分析、安全操作姿态分析、康复状态功能评价、疲劳识别以及肌电假肢控制等动作模式研究等。ErgoLAB肌电分析软件自动对原始数据进行滤波降噪处理，根据MVC进行数据归一化与统计分析。时域分析包括原始数据、处理数据、归一化数据的Mean、Max、Min、SD、Variance、RMS、Mean Absolute Value、iEMG等指标；频域分析的中值频率、均值频率、可视化频谱图，系统支持自动识别周期性动态用力分析。EMG高级数据处理分析模块可以结合人机环境同步平台和生理记录系统采集到与EMG指标相关的生理信号进行离线处理和分析。可对信号进行自由选择、放大、缩小，便于浏览数据；在整体呈现数据的基础上，还可以根据片段、事件、场景三种分割方式进行数据呈现与分析；可导出ASCII格式的原始数据、处理后数据和分析后数据；并可导出可视化分析报告。技术要求1、信号处理模块信号滤波方法包括小波降噪（Wavelet Filter）、高通滤波(High Pass)、低通滤波(Low Pass)、带阻滤波（Band Stop）用以滤除噪音干扰，从而得到有用的EMG信号。肌电整流(Rectification)，包括三种方法EMG包络线（Envelope）、滑动均值滤波（Moving Average）、滑动均方根滤波（Moving RMS），可自定义分析窗口长度。EMG信号归一化处理：自定义MVC（Maximum Voluntary Contraction），计算Normalization EMG数据。Cycle Analysis周期性分析。系统对周期性用力的肌电数据进行自动化的识别与统计分析。自定义激活阈值（Activation threshold(%)）、用力的最小持续时间（Minimum duration(ms)）、动态用力的最小时间间隔（Minimum interval(ms)）参数，进行自动处理。手动信号校正方法包括线性插值（Linear interpolation）、样条差值（Spline interpolation）以及通过复制信号区域进行插值。2、信号分析模块信号分析模块包括时域分析和频域分析以及周期用力分析，二者可实现自由切换。A.   时域分析将肌电信号看作时间的函数，通过分析得到肌电信号的某些统计特征。统计分析指标包括：处理数据、整流数据、归一化数据的均值（Mean）、中值（Median）、标准差（STD）、最大值/最小值（Max/Min）、方差（Variance）、均方根（RMS）、平均绝对值（Mean Absolute Value）、积分肌电（iEMG）。B.   频域分析运用参数模型法和直接快速傅里叶变化将时域分析信号转换为频域分析信号，对信号进行功率谱密度分析。从功率谱密度中确定肌电信号的频带，不同频带可自定义，将在功率谱分析图中以不同的颜色区分。具体包括中值频率、均值频率及频谱图。C. 周期用力分析，自动识别周期性用力片段，具体的指标包括：周期的开始时间（Start Time）、周期的结束时间（End Time）、均方根（RMS）、平均绝对值（Mean Absolute Value）、积分肌电值（iEMG）、中值频率（Median Frequency）、均值频率（Mean Frequency）。3、可视化Chart与导出数据模块：包括原始数据Raw Data、处理数据Processed、归一化数据（Normalized）、PSD数据以及整体结果报告。

产品详细介绍

产品详细介绍