高等教育领域数字化综合服务平台
云上高博会服务平台 高校科技成果转化对接服务平台 大学生创新创业服务平台 登录 | 注册
|
搜索
搜 索
  • 综合
  • 项目
  • 产品
日期筛选: 一周内 一月内 一年内 不限
物理数字化实验器材
产品详细介绍物理动力学系统机械能守恒实验器平抛运动实验器斜面上力的合成与分解实验器力的合成与分解实验器转动系统电学实验板传感器应用及逻辑电路法拉第电磁感应定律电学魔块环形线圈螺线管电磁感应线圈电阻定律实验器金属热胀冷缩实验器地磁场发电机向心力摆实验仪福利定律实验器查理定律实验器压缩气体做功试验器热辐射试验器温差电流实验器玻璃导电实验器向心力实验仪远红外加热器安培力室验器摩擦力实验器安全低辐射放射源可调单摆实验仪Monkey&Hunter光学试验组建玻意耳定律实验器空间分子间的作用力作用力与反作用力的关系实验器人体发电演示器受迫振动实验仪水凝固与冰融化实验器马德保半球试验器原电池实验器太阳能电池实验器声音的三要素实验器凸透镜的会聚作用实验器钉板实验器研究固体分子间的引力实验器气泡的运动规律实验器探测物体的运动速度实验器拉压式电子称焦耳定律实验器电磁铁实验器吸热研究试验器传热快慢实验器热传递方向实验器磁性固定座电磁弹簧振子小车
江苏苏威尔科技有限公司 2021-08-23
初中物理、地理、生物动态片
产品详细介绍
北京教育幻灯出版公司 2021-08-23
物理实验配套化学药剂
产品详细介绍
四川省隆昌科教试剂仪器有限公司 2021-08-23
物理实验室各设备
产品详细介绍
四川省绵阳市英才教学设备有限责任公司 2021-08-23
专家报告荟萃㊵ | 山东大学副校长易凡:强化有组织科研 培育发展新质生产力
在这个充满机遇与挑战的时代,山东大学始终秉持着对科技创新的不懈追求,积极探索前沿领域,力求为社会发展贡献更多智慧与力量。今日,我们有幸与尊敬的雷司长、高院士相聚一堂,一同回顾山东大学近年来在科技创新之路上的奋进历程,分享那些令人振奋的成果与突破。接下来,就让我们一同走进山东大学的科技创新世界,感受那蓬勃发展的活力与激情,见证每一位山大人在科研道路上的坚守与担当。
中国高等教育博览会 2025-03-12
急救模型|急救训练模型|急救训练模拟人
产品详细介绍 急救模型|医学模型|大屏幕液晶彩显高级电脑触电急救模拟人的详细介绍 急救模型|医学模型|大屏幕液晶彩显高级电脑触电急救模拟人说明: CBB/CPR600急救模型|医学模型|大屏幕液晶彩显高级电脑触电急救模拟人说明介绍: 国家卫生部、中华医学会、中国工程师协会、中国红十字会指定推荐使用产品 心肺复苏术,国际用语:Cardiopulmonary Resuscitation. 简称:CPR。骤停(如心脏疾病、心肌梗塞、触电、溺水、中毒、矿难、高空作业交通事故、旅游意外、自然灾害、意外事故等所造成的心脏骤停),而现场第一目击者采取呼救、心肺复苏术等紧急求助措施。在采取现场心肺复苏术A、B、C三大步骤:即A—气道开放。B—人工呼吸。C—人工循环(胸外按压),有条件可采取D—自动体外除颤。而现场抢救人员,必须要规范标准进行心肺复苏术A、B、C、D步骤抢救,才能使病人生命在最短的时间内获救。因此。医疗卫生医务工作者及广大群众必须要学会心肺复苏技术,学会这门技术,必须要建立师资培训与有相应的配套器材,上海畅博实业有限公司为您提供仿真人心肺复苏技术训练模型   执行标准: 美国心脏学会(AHA)2005国际心肺复苏(CPR)&心血管急救(ECC)指南标准   CBB/CPR600急救模型|医学模型|大屏幕液晶彩显高级电脑触电急救模拟人功能介绍: ■ 大屏幕液晶彩显:模拟按压显示、吹气显示、心电图显示、心脏搏动显示。 ■ 模拟标准气道开放; ■ 人工手位胸外按压时:1、条码指示灯显示按压强度;2、数码计数显示;3、语言提示: ·按压深度正确(4-5cm区域) 由条码绿灯、按压深度不够(小于4cm)由条码黄色、按压深度过深(大于5cm)由条码红色指示灯移动的动态反馈显示CPR按压深度; ■ 人工口对口呼吸(吹气)时: 1、条码指示灯显示潮气量;2、数码计数显示;3、语言提示: ·吹入的潮气量正确(500ml~600ml)由条码绿灯、·吹入的潮气量过小或过大分别由条码黄色或条码红色指示灯移动的动态反馈显示潮气量度; ■ 按压与人工呼吸比:30:2(单人或双人) ■ 操作周期:2次有效人工吹气,再按压与人工吹气30:2五个循环周期CPR操作。 ■ 操作频率:最新国际标准:100次/分。 ■ 操作方式:训练操作;普及考核;专业考核操作。 ■ 操作时间:以秒为单位计时。 ■ 语言设定:可进行语言提示设定及提示音量调节设定;或关闭语言提示设定。 ■ 成绩打印:操作结果可热敏打印长、短条成绩单。 ■ 检查瞳孔反应:考核操作前和考核程序操作完成后模拟瞳孔由散大、缩小的自动动态变化过程的真实体现。 ■ 检查颈动脉反应:用手触摸检查,模拟按压操作过程中的颈动脉自动搏动反应;以及考核程序操作完成后颈动脉自动搏动反应的真实体现。   材料特点:  面皮肤、颈皮肤、胸皮肤、头发,采用进口热塑弹性体混合胶材料,由不锈钢摸具、经注塑机高温注压而成,具有解剖标志准确、手感真实、肤色统一、形态逼真、外形美观、经久耐用、消毒清洗不变形、拆装更换方便等特点,其材料达到国外同等水平。
上海畅博实业有限公司 2021-08-23
【中国青年报】吉林省AI赋能职业教育创新发展联盟成立
5月23日下午,吉林省AI赋能职业教育创新发展联盟成立揭牌仪式在长春举行。
中国青年报 2025-05-24
篮球赛事AI短视频剪辑系统
视频剪辑是一项简单却繁琐的工作,需要投入大量的人力。而且人力完成的视频剪辑,剪辑结果有着很强的主观色彩。通过采集大量各类体育赛事数据进行模型训练,利用深度神经网络良好的自主学习能力,采用Centernet作为多目标检测能力的实现框架,同时利用Transformer重构目标检测进行连锁,二次捕捉目标检测的准确性。CenterNet和Transformer的融合,实现了端到端的目标检测,在准确性提升的基础上满足实时处理视频的要求。综合应用多目标检测跟踪以及多模式识别技术,实现短视频的智能化剪辑,极大程度减少了人工工作量,同时也增加了短视频剪辑的客观性,在大数据时代背景下有着重要的现实意义。
太原科技大学 2021-05-04
新冠肺炎影像学AI智能辅助诊断研究
“现阶段医生需要在大量影像数据中快速诊断出新冠肺炎的病例,此外还需要诊断出病灶分布的位置、大小等来评估严重程度。”薛向阳介绍,针对临床的现实需求,团队将设计目标定位于“肺炎分类鉴别”和“关键病灶检测”两大功能,前者是为区别健康状态、新冠肺炎、其他病毒性肺炎、细菌性肺炎,后者则为找到并分隔出磨玻璃影等病灶区域。针对这些需求,团队设计诊断算法模型,让机器利用模型进行训练,学习不同类型肺炎在CT影像表现上的不同特征,最终具备智能辅助诊断的能力。而这需要突破小样本学习、小目标检测等多个技术难题。“小样本学习”即在较少训练数据样本的条件下进行机器学习。在疫情发生前期,能够获取的新冠肺炎影像数据相对较少,且由于一线影像医生任务繁重,无法获得大量专家标注,因此需要算法在少量样本的条件下“自学成才”。为此,团队采用基于自迁移学习的半监督学习等技巧,使算法具备一定的“小样本学习”能力,在不增加医生标注工作量的情况下较好地提高了算法模型的普适性。由于CT影像切片中的病灶区域有大有小,且往往大中小病灶区域面积悬殊,如何使算法能同时检测大、中、小各个目标是另一大难题。团队利用神经网络的层次性特点与病灶区域的大小进行对应,“网络的底层关注细节,即小病灶区域,而网络中层到高层所关注的病灶区域则越来越大,因此模型通过不同层次的加权和融合,最终便能达到同时检测大小病灶区域的目标。”薛向阳解释道。“不过,即便有诊断‘神器’,影像科医生也是不可替代的。”薛向阳说,人是复杂的机体,病毒在不同人体内感染的反映也不一定相同。”他表示,当遇到机器未曾学习过的微小病变或疑难病例时,仍需要影像医生的经验和智慧。以解决实际问题为目标,该项目在研究过程中始终与临床应用紧密结合。无论是机器学习数据,还是测试评估数据,都来源于临床真实病例。在算法模型定型过程中,为了检验模型的准确率和泛化性,团队也利用现实疑似病例进行了测试。
复旦大学 2021-04-10
基于AI 机器学习的影像组学模型研究
2019年12月以来,由SARS-CoV-2病毒感染导致的新型冠状病毒疾病(COVID-19)在全球开始蔓延。报道显示,SARS-CoV-2感染患者的中位住院时间为10天,而武汉患者在发病10天后症状有可能加重。因此,住院时间是COVID-19临床预后的重要指标之一。 目前,CT影像学已成为COVID-19肺炎的诊断和监测工具,主要表现为磨玻璃影、实变及混合密度影。然而,现阶段的影像学研究主要集中于对病灶的定性和半定量描述,缺乏对病灶的全定量分析。因此,基于前期提出的CT定量监测COVID-19肺炎病程,团队假设在CT病灶背后的高通量影像特征“隐藏”了患者预后转归的“秘密”。 本研究纳入了兰州、安康、丽水、镇江、临夏5家新冠肺炎定点医院,自2020年1月23日到2月8日期间住院患者的临床资料和首次CT资料,所有患者经RT-PCR证实SARS-CoV-2病毒感染。至2月20日,研究共纳入31例治愈出院的患者(排除14例未出院患者和7例首次CT检查无肺炎表现患者),并将10天作为住院时长的二分类阈值。基于有限的样本量,团队将4个中心作为训练队列,另外一个中心作为验证队列。通过自动分割肺叶和半自动分割病灶,31名患者中累计分割出72个病灶。在对病灶图像预处理后,提取影像组学特征并筛选。为了研究影像组学特征的稳定性,团队使用了Logistics回归模型和随机森林模型对筛选的特征分别进行建模和验证。​结果发现,6个筛选出的二阶特征在两种不同分类器中均表现出良好的预测价值。在外部测试队列中,Logistics回归模型的AUC为0·97(95%CI 0·83-1·0), 敏感性 1·0, 特异性0·89;随机森林模型的AUC为0·92 (95%CI 0·67-1·0),敏感性 0·75, 特异性1·0。随后,研究又纳入了2月20日-28日新出院的6名患者,利用已建立的影像组学模型可以正确预测所有6名患者的住院时间。 
东南大学 2021-04-10
首页 上一页 1 2
  • ...
  • 13 14 15
  • ...
  • 82 83 下一页 尾页
    热搜推荐:
    1
    云上高博会企业会员招募
    2
    64届高博会于2026年5月在南昌举办
    3
    征集科技创新成果
    中国高等教育学会版权所有
    北京市海淀区学院路35号世宁大厦二层 京ICP备20026207号-1