空岛信息科技（SpaceMax）有限公司专注于专科医学教学和模拟医学.通过5G+XR赋能智慧化医学专业教育和患者告知.公司自主研发模拟医学专科临床教学系统，拥有多项发明专利和15项软件著作权。产品涉及超声科、神经外科、妇产科、骨科、等多项专科；公共卫生（新冠疫情防护）、临床护理学、养老护理学等国内未来紧缺人才专培领域。提供专业临床医技训练、思维训练、日常教学与专科培训.

麦仑是一家专注解决城市智能安防、实名认证的掌脉生物识别AI技术服务商，其自主研发的掌脉识别系统具有“一对一精准实名认证”、“亿级人次0.3秒闪速识别”、“非接触活体识别”、“一次注册终生通用”、“全民适用”等技术优势，满足世界最高等级的安全隐私标准。可以为交通、教育、医疗、加油站、景区、矿山、工地、智慧城市等众多领域提供最高安全等级的安防实名认证服务。同时也可以提供便捷易用的实时认证、信息安全、刷手支付等综合解决方案。通过刷手能够升级替代二维码，乘车卡，银行卡，现金，身份证等所有的码、卡、币、证。 作为一家科技部认证的高新技术企业，麦仑拥有专利及各类知识产权60余项，核心技术MIFS和FVR掌脉识别系统通过了公安部、工信部的多项安防权威认证；目前，已牵头和参与《信息技术 生物特征识别 手部血管图像采集终端通用规范》、《信息技术 生物特征识别 手部血管识别终端通用规范》、《安全防范 指掌静脉融合应用 轨道交通人员通道控制设备》等14项国家标准的制定和修编工作。 “美好生活 伸手可及”，麦仑将以此为目标，打造更加便捷、安全、智慧的城市管理，致力于通过领先的安防实名掌脉识别技术打造安全幸福的美好家园。

产品详细介绍  德睿博物馆多媒体信息发布系统   　 博物馆作为公益性文化教育机构，是弘扬和培育民族精神的重要文化基础设施，因此，如何充分发挥这个基地的作用，对外展示、宣传博物馆的内涵和外在的形象就显得尤为重要。根据博物馆的这一现实需求，上海德睿电子科技有限有限公司开发了德睿多媒体发布系统。该系统实现馆藏展示、馆内导航、广告、公告、新闻信息、历史资料、教学、讲座或报告等的多媒体内容发布，内容形式可为文字、图片、文件、音频、视频等。 　　该系统集远程内容发布、远程管理、海量存储、高清视频、交互传输于一体，是一个完美的数字化分布式多媒体发布平台，它也是国内第一套博物馆分布式多媒体发布系统。　控制中心：集中了系统管理、内容发布、远程、采集编码、数据存储等主要功能；展区配备了视频播出服务器与显示终端，视频播出服务器将根据控制中心播控系统的控制，进行多媒体信息的播放。   展览馆、图书馆、博物馆多媒体联网信息发布系统 　　伴随着市场化的不断深入，各行各业供需双方急切的需要能通过各种渠道得以有效交流，进而达成交易。在众多的交流平台中，会展方式成为其中最为重要和发展最快的公共平台。 　　因此，为了更好的为企业和观众提供服务；为了提高展馆设施与资源的使用效率；为了便于主管部门的管理、协调工作；为了提升整个展馆形象和服务档次。需要建设一套统一管理、方便迅捷的公共信息服务平台。 　 展览馆、图书馆、博物馆信息发布系统解决方案                　　 　　从德睿多媒体信息发布的角度，展览馆、图书馆、博物馆的信息发布区域可分为三块：公共信息发布区，会展大厅，各办公楼层。在这些区域各相应地点（各展位上方、各楼层电梯口等），设置大屏幕等离子彩电（附美观小巧的控制终端设备）。 　　在公共信息发布区：主要由管理人员，面向所有人员，发布管理信息和各种公告，从而起到统一的管理和导引作用。同时也可发布某些企业的广告。 　　在大厅各展位上方：通过大屏幕彩电显示该展位的企业介绍等信息。各展位的信息各不相同，但管理人员仍可在各展位的电视屏幕上统一发放重要通知。 　　在各楼层：由管理人员根据需要发布信息，如通知、公告、广告等。由于采用先进的网络流媒体技术，各电视显示终端能够以灵活多样的形式发布信息。文字显示模式，可以通过周期性屏幕切换，显示信息。 　　　　信息发布与管理： 　　根据展览馆、图书馆、博物馆的特点，信息的发布及管理由以下方式构成： 　　统一管理和发布，整个信息管理平台由主管部门控制，所有企业信息和各种公告信息均由管理人员统一制作和发布，或者由管理人员授权企业制作和发布； 　　设置企业信息服务区，各企业经过管理员授权，可以在自己展位的显示终端发布自身信息，包括企业介绍和招聘信息等。企业只能在规定的显示模板内选择信息发布的方式，避免了五花八门的海报式宣传，实现信息发布形式的统一化和标准化。企业所发行信息受管理员监管，管理员可随时中止某企业的非法信息；展览馆、图书馆、博物馆除了提供供需双方的交互平台，还可以提供各种公益性服务。通过智能信息平台，管理人员可以在合适的时间播放各类公益节目。  

“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。

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。 

提出基于地震波观测的滑坡快速检测和滑动几何形态的分析方法，可服务于滑坡次生灾害的预警。       2018年12月22日因无预警海啸致使印尼苏达海峡沿岸城市437人死亡，几千人受灾。叶玲玲教授等利用印尼的宽频带地震波数据，发现此次海啸由滑坡引发，与2018年活跃的Anak Krakatau火山活动有关。相对于地震滑动，滑坡造成的地振动以低频成分为主，高频成分较少（图1），造成目前常规基于高频地振动信号的地震-海啸预警系统失效。雷达影像资料分析进一步证实海啸源是Anak Krakatau火山西南侧的滑坡（图2）。采用震源单力模型，长周期地震波观测约束滑坡平均倾角为12°；结合地震波和卫星遥感资料观测，得到滑动体积约为0.2 km3。这些参数为海啸模拟提供了重要约束。 在2018年印尼火山滑坡事件中, 地震波信号10分钟传播到整个苏门答腊和爪哇地区, 被几十个地震台接收，利用Wphase反演方法15分钟可得到有效的滑坡信息。由滑坡引发的海啸波传播速度较慢, 半小时后传播到附近的海岸带地区。因而该研究中基于Wphase方法的滑坡快速检测和滑动几何形态的分析方法可有效运用于该类型滑坡海啸预警中。

建设消化系统肿瘤的大数据平台，通过整合肿瘤临床信息、影像数据、生物样本库数据、高通量生物多组学的数据，系统地构建消化系统肿瘤大数据，并结合人工智能平台进行大数据的挖掘与分析。该团队基于肿瘤大数据平台开展肿瘤临床诊疗的真实世界研究，探索肿瘤的精准诊断、预后预测和耐药分子机制 徐瑞华教授团队开始着手构建磷酸化定量数据库qPhos。通过收集已发表的定量磷酸化组数据，共整合了199071个磷酸化位点上的3537533个定量磷酸化信息，其中86%的数据来自肿瘤组织样本及相关细胞系。有关定量实验的详细信息，包括实验条件、实验所用的细胞系或样本等数据也纳入了数据库中。对每个磷酸化位点，都注释了实验验证的或潜在的上游激酶，以便理解其分子调控机制。同时，通过整合UniProt，ExPASy和DrugBank等数据库中的信息，对磷酸化位点所在蛋白质的生化特征、上游激酶的靶向药物情况进行了详细的注释，方便查询和使用。       此外，数据库中还开发了qKinAct分析模块，研究人员可以基于自己的定量磷酸化组数据分析得到相应的激酶活性相关磷酸化位点信息，进而分析异常的磷酸化信号通路。因此，qPhos是首个全面涵盖肿瘤和疾病相关重要磷酸化修饰动态水平的数据库，为研究蛋白磷酸化修饰及其动态调控提供了一站式服务。

百学智慧教育科技于2018年8月成立于中国改革开放前沿城市——深圳。百学智慧教育科技有限公司选择以教育产业互联网作企业发展的道路,随着5G时代到来，互联网技术的成熟以及信息化的需要，市场需要有一家能够帮助教育产业升级的互联网企业。 百学智慧教育科技创始团队多为连续创业者，技术团队具有国内知名企业以及上市公司背景，致力打造资源整合以及互联网+教育生态圈多元化教育产业互联网平台。

秦学教育是秦学（北京）网络教育科技有限公司旗下互联网教育品牌，是产业互联网时代混合运营模式的品牌，以K12校外培训为主要业务，以“科技+教研”为主要，旗下打造了勤学云智慧教学生态系统、月芽儿歌、伊顿名师等教育产品，120多家学习中心，教职员工2000多名。

学而思网校，是纽交所上市公司好未来教育集团（原学而思）旗下的中小学在线教育品牌，为6-18岁孩子提供小初高全学科课外辅导。以及为2-8岁孩子提供启蒙课程，学生人数遍及全国300多个城市。