成果简介：便隐血是指消化道出血量少，肉眼不见血色，少 量红细胞被消化分解，以至在显微镜下也无从发现的出血。正 常人便隐血检验为阴性，而阳性结果常见于肠癌、消化道炎症 或出血性疾病等患者粪便检测，便隐血检测对诊断消化道出血 具有重要意义，也是目前进行消化道肿瘤普查、初筛和监测的 有效手段，是临床上诊断消化道出血的重要依据。 目前，便隐血检测的主要指标为转铁蛋白和血红蛋白，且

本发明公开了一种免固定生物传感电极的制备及其在免标记均相光致电化学农残检测与癌症诊断中的应用。它是采用电还原的方式，将含负电基团的苯基重氮盐与不含负电基团的苯基重氮盐共同修饰在基础电极表面。该电极只吸附单链DNA而不吸附双链DNA，稳定性与重现性高。该电极可用于免标记均相光致电化学生物传感方法中，该方法包含一个目标分子触发的生化反应回路，其含有无标记DNA发卡(DNA‑1)与单链(DNA‑2)。无目标分子时，DNA‑1和DNA‑2均可吸附到电极表面；此时卟啉可借助DNA‑1与DNA‑2吸附到电极表面，产生光致电化学信号响应；有目标分子时，DNA‑1可与DNA‑2相互杂交，在聚合酶的作用下将大量的DNA‑1和DNA‑2转变为长双链DNA，导致DNA‑1与DNA‑2在电极表面吸附量的减少及卟啉光致电化学响应的降低。

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。

高端智能化、高效节能、低耗能的机械设备主要为：履带式的移动破、圆锥破

研究者通过多种质谱筛选鉴定和多学科技术证实，AAA+家族ATPase分子RUVBL2能够直接控制活跃启动子附近的Pol II转录工厂。

本发明属于油菜分子育种技术领域，尤其涉及一种控制甘蓝型油菜种子种皮颜色的基因、甘蓝型油菜黄籽突变体材料的获取方法及其应用。本发明利用CRISPR/Cas9技术靶向BnTT8同源基因，通过遗传转化得到突变体单株，经过自交分离，获得了不含T‑DNA插入的双拷贝纯合突变体。该突变体的种子表现为黄籽，显微观察种子的横切面发现，双纯合突变体的内种皮没有原花色素的积累，而单纯合突变体和野生型的内种皮中均包含有清晰可见的原花色素积累。对这些突变体进行品质分析发现，BnTT8基因的双拷贝纯合突变体含油量显著增加。BnTT8基因对于油菜种子的品质改良具有巨大的应用潜力和前景，为油菜品质育种提供新的种质资源。

武汉大学无线数码显微互动系统采购项目竞争性磋商

“新型多天线传输技术”是5G移动通信系统亟待研究的关键问题之一。孕育其中的3D-MIMO技术则是亟需攻克的难点之一。据此，本技术成果依据3D-MIMO技术中的多用户智能波束赋型，研究Massive MIMO阵列对5G系统波束赋型性能的影响。 技术成果主要功能： ？ 时间反演波束赋形（Time Reversal Beamforming, TRBF）通信系统可计算模型。 此部分主要是在经典的天线系统排布方向图与增益的理论研究基础之上，进一步研究这些天线系统的排布对TR大规模MIMO通信系统性能的影响，建立了基于不同天线系统排布的不同的信道响应模型。 ？ TRBF通信系统互耦效应的可量化分析模型。 建立了互耦的信道模型，然后通过信道模型来分析TRBF通信系统的性能。 ？ TRBF通信系统极化信息的可量化分析模型。 针对天线的极化特性建立信道模型，基于极化信道模型分析TR通信系统的性能，建立系统极化信息可量化分析模型。 技术成果应用领域： TR通信可以利用复杂环境中的丰富多径来提高系统的信道容量，减小误码率等等。并且TR的空间聚焦特性能精确定位用户终端，所以TR Massive MIMO通信系统可以用在受阴影衰落较大的地区，例如位于密集高大建筑楼群的低层用户，由于巨大的建筑物遮挡阴影损耗，要想实现设备到设备之间的直接通讯很困难，而TR技术可以精确定位到传输终端，达到普通波束赋形达不到的效果。类似的环境还有山区高大山群的阴影衰落，信号衰减大的森林地区等等。 此外，TR通信能够利用复杂环境中的丰富多径来提高通信系统的性能，所以在电磁波反射路径多的环境，自然环境比如地下车库，隧道等，人造环境比如模拟体验太空舱，金属装饰风格的办公室或者住宅等（见下图2）。在这些多径异常丰富的环境下，移动终端经常会出现接收不到信号等，这也是秉承随时随地接入网络宗旨的5G蜂窝移动通信系统亟待解决的问题，而这些场景正是完美的TR技术应用场景。 由此可以想见，TR在5G蜂窝移动通信系统覆盖范围下的某些特殊通信场景极有用武之地。