|
搜索
搜 索
高等教育领域数字化综合服务平台
土壤生物退化及连作障碍的微生物修复
针对不合理施用肥料及集约化生产等导致的土壤生物退化，土壤生态系统调控能力下降，植物土传病害加剧等问题，开展了农用功能微生物的筛选及其在农业废弃物肥料化、土壤微生态修复调理、植物抑病促生等方面的研究。研究获得200多株对10余种主要农作物土传病原靶标菌有较强防病促生优良微生物菌株，开发出生防放线菌菌株3株、真菌1株、细菌2株。在此基础上集成功能微生物高密度培养技术、土壤微生态系统的快速修复技术和微生物干预植物减害、生态友好技术。开发了放线菌高活性菌粉、放线菌有机肥和放线菌液体肥料等产品，并建立了相应生产线。该成果既能实现土壤生物退化及连作障碍的微生物修复，又能实现生产减肥减药、产品提质增效；该成果实施后预期年生产菌剂固态6000吨，每吨售价20000元；液态5000吨，每吨售价15000元。
西北农林科技大学
2021-05-11
生物基聚氨脂类产品的生物-化学组合合成技术
聚氨酯（Polyurethane, PU）是一种新兴的有机高分子材料，被誉为 “第五大塑料”，与橡胶材料相比，聚氨酯特殊的微相分离结构赋予PU良好的耐磨性、耐擦伤性、粘结性、柔韧性、优良的保光性与低温性等卓越的性能而被广泛应用于化工、轻工、电子、医疗、建筑、航空航天等众多领域，是目前发展最快的特种有机树脂之一。
一、项目分类
关键核心技术突破
二、成果简介
聚氨酯（Polyurethane, PU）是一种新兴的有机高分子材料，被誉为 “第五大塑料”，与橡胶材料相比，聚氨酯特殊的微相分离结构赋予PU良好的耐磨性、耐擦伤性、粘结性、柔韧性、优良的保光性与低温性等卓越的性能而被广泛应用于化工、轻工、电子、医疗、建筑、航空航天等众多领域，是目前发展最快的特种有机树脂之一。自从1998年以来，国内聚氨酯产业发展迅速， 据统计，2020年，我国聚氨酯行业产量在1470万吨左右，总产能约占全球总产能的36.4%，成为全球最大的聚氨酯生产国和消费国。随着石油的日益枯竭和环境污染等问题的出现，寻求廉价、高效、可再生和环境友好的资源替代石化资源合成PU已迫在眉睫，这也是行业近年来需要重点解决的问题。
华中科技大学
2022-07-27
大型海藻生物质高效热解生物油机理的研究
项目简介 本项目针对大型海藻这类潜力巨大的可再生能源采用热解制取生物油的机理问题， 分析海藻水溶性多糖热裂解产油、产气和产炭的特征，并通过多种测试手段相结合具体 分析所制得生物油成分，由生物油成分探索水溶性多糖的热解反应机理。研究热解温度、 停留时间等过程参数对海藻热解制油产率和品质的影响规律，利用灰色关联法分析其影 响程度序列，获得产油率和油品协同最佳所对应的热解工况。最终评价海藻热解生成液248 体油的价值，并提出优化调整策略。
江苏大学
2021-04-14
生物实验室讲座与授课模式-生物实验室
生物实验室讲座与授课独特之处：革新的顶装式集成系统使空间变得简单、灵活。实验桌可根据需求自由移动和组合，轻松实现各种模式的转换。做到“你的教室你做主”。
升降臂：化学升降臂可供应实验室以光、电、气、给排水、通风等系统
广东厚吉教育科技有限公司
2021-08-23
生物实验室学科教学模式-生物实验室
生物实验室学科教学模式独特之处：革新的顶装式集成系统使空间变得简单、灵活。实验桌可根据需求自由移动和组合，轻松实现各种模式的转换。做到“你的教室你做主”。
升降臂：化学升降臂可供应实验室以光、电、气、给排水、通风等系统
广东厚吉教育科技有限公司
2021-08-23
一体式悬浮载体生物流化床处理村镇生活污水的研究
技术成熟度：理论突破
反应器采用一体式生物流化床，好氧区，投加了悬浮载体果核活性炭，形成活性污泥及生物膜的有机结合体；缺氧区，安装三相分离器及搅拌片，使泥水混合均匀，能够及时排出反硝化所产生的氮气，进而提高脱氮效率。
设备所有结构均在同一壳体内，工艺运行方式灵活，由于其运行过程中不需额外投加碳源和絮凝剂，其运行费用较低。针对我国农村污水处理面临的不易聚集处理的问题，这种单体新型污水处理设备对我国农村污水处理有着较大的实用潜力。
运用一体式生物流化床处理村镇小区生活污水，为该工艺的应用推广提供科学的运行控制参数。
针对我国农村污水处理面临的不易聚集处理的问题，这种单体新型污水处理设备对我国农村污水处理有着较大的实用潜力。
吉林建筑科技学院
2025-05-19
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
火山滑坡海啸的地震学快速检测方法
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。
中山大学
2021-04-13
构建组学数据库助力肿瘤信号通路
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。
中山大学
2021-04-13