糖尿病性血管病变是导致患者致残和死亡的主要原因，目前糖尿病性外周血管病变 的形态病理学资料尚不完善，且发病机制尚未完全阐明，治疗方法也有待提高。 该课题利用动脉造影方法，直接观察糖尿病外周血管病变的形态学特征，为认识该 病变提供形态学基础。同时为部分患者实施介入治疗，以改善患者外周肢体的血供，从 而尽可能地保留肢体。该研究还采用了简单而易行的方法（静脉闭塞试验了解内皮 t PA 和 NO 储备释放功能以及超声法检测血管舒张功能）以判断血管的的内皮功能，有助于 了解血管病变的程度和预后。此外，采用基因芯片和免疫组化技术进行糖尿病性血管病 变的分子生物学研究，为临床上阐明糖尿病性血管病变的发病机制提供了理论根据。同 时利用此技术观察了糖尿病鼠外周血管在使用他汀药物时的基因谱差异性表达，及其相 关蛋白的表达，旨在循环医学证据的基础上阐明糖尿病使用他汀治疗外周血管病变的分 子学改变，从而说明糖尿病患者使用他汀的合理性和不同类别他汀的有效性，为糖尿病 患者的血管病变预防治疗提供依据。 该研究从不同层次探讨了糖尿病性外周血管病变的状况，有助于认识糖尿病外周血 管病变的发病规律，为诊断和治疗提供了合理方法和理论依据。经专家讨论认为该研究 达到国内先进水平。

本项目针对我国优势传统白酒技术水平提升，运用现代生物技术和风味化学技术，通过风味物提取、分馏等样品预处理技术集成创新，结合 GC-MS 技术，建立了复杂基质中极微量化合物定性与定量技术体系；通过 GC-O 定性、GC-MS 确认、风味重组等关键技术研究，建立了我国白酒中特征风味化合物研究的共性关键技术平台；通过白酒分子微生态分析、微生物定量分析与代谢物检测等关键技术问题的研究，建立了我国白酒中风味导向微生物关键技术平台。 创新要点 建立白酒中极微量成分定性定量和 GC-O/GC-MS 研究特征风味物质的技术；风味定向，开发一批白酒中重要风味物质产生微生物。 

2020年2月7日，武汉大学中南医院彭志勇团队在国际顶级医学期刊JAMA在线发表题为“Clinical Characteristics of 138 Hospitalized Patients With 2019 Novel Coronavirus–Infected Pneumonia in Wuhan, China”的研究成果，该研究涉及138名新型冠状病毒感染的肺炎患者的单中心病例， 在41％的患者中怀疑与人对人的医院相关的2019-nCoV传播，有26％的患者需要重症监护病房入院，而4.3％的患者死亡。NCIP全基因组测序和系统发育分析表明，2019-nCoV与与人类严重急性呼吸综合征（SARS）和中东呼吸综合征（MERS）相关的β冠状病毒截然不同。 2019-nCoV具有以下特征：冠状病毒家族，并被归类于beta冠状病毒2b谱系。2019-nCoV与蝙蝠冠状病毒非常相似，据推测蝙蝠是主要来源。尽管仍在调查2019-nCoV的起源，但目前的研究证据表明，是通过在华南海鲜批发市场非法出售的野生动物的传播造成的。

本产品在Haar特征的Adaboost基础上采用自主知识产权的图像旋转、仿射变换伽马校正、高斯差分滤波、对比度均衡以及双曲线正切相结合的光照处理；采用改进Gabor小波变换进行特征抽取，采用FFT加速特征提取，用Fisher线性判别进行分类，融合了Deep Learning技术，具有速度快、便携、环境适应度强和识别率高等特点。产品已经在江苏省农业银行2700台自助办卡设备、江苏省农业银行超级用户终端、江苏省在建征信数据平台、江苏省公安厅等场景应用、推广。

XM-161各部椎骨形态特征   XM-161各部椎骨形态特征由七块椎骨串制在支架上成一个整体，显示颈、胸、腰、骶椎的形态特征，共七块骨，分别为第1、2、7颈椎和胸椎、腰椎、骶骨尾骨的形态和结构。 尺寸：自然大，28×20×71cm 材质：PVC材料

研究开发了 “ 荧光团辅助的 RNA 邻近标记和测序技术 ” ，简称 “CAP-seq” 。   该方法通过可见光激发遗传靶向的光敏蛋白 miniSOG 产生活性氧， 介 导邻近 RNA 分子上的鸟嘌呤与具有生物正交功能把手的氨基探针进行共价交联，既而通过富集纯化与高通量测序检测，实现 miniSOG 定位的亚细胞区域内 转录 组的空间特异性标记与鉴定。 利用 CAP-seq ，他们系统研究了几个亚细胞区域的转录组，包括线粒体基质转录组 、 内质网表面 转录组 以及 线粒体外膜附近转录组。这些研究结果表明 CAP-seq 对 活细胞中开放区域的 RNA 标记具有良好的空间特异性和覆盖度 。 他们在线粒体外膜附近检测到 30 个编码氧化磷酸化途径相关蛋白的 RNA 和多达 55 个编码核糖体蛋白的 mRNA ，这一结果不仅支持了线粒体蛋白在线粒体外膜被翻译后直接转运进线粒体的模型，还暗示着线粒体功能可能与蛋白质的翻译调节有关。 CAP-seq 具有操作简单、空间选择性高、生物相容性好的特点，将成为一项适合于在多种生物系统中研究亚细胞 转录组 的新技术。

本实用新型公开了一种细胞囊泡快速标记装置，该装置包括荧光显微镜、显微镜专用活细胞培养系统、玻璃微电极、压力控制器、电刺激器和气瓶，该方法是采用一种用于膜片钳实验的玻璃微电极，通过一定频率和压力的气体，将微电极中的囊泡标记染料均匀地释放到细胞周围，形成稳定的染料浓度，从而实现对特定的囊泡进行标记。完成标记后，停止给气，染料浓度会因扩散作用迅速降低，无需洗脱过程，可以直接进行囊泡动态变化的后续观察。该方法可快速有效地实现标记并实时记录，从而极大地提高实验效率。

临床肿瘤的诊断和分期依赖于影像学，核医学2-氟-2-脱氧-D-葡萄糖（18F-FDG）正电子发射计算机断层扫描/计算机体层扫描(Positron Emission Computed Tomography / Computed Tomography, PET/CT)技术在肿瘤的诊断及分期（寻找恶性肿瘤原发灶及同步探测转移灶），探测未知原发肿瘤的原发灶，探测肿瘤复发、鉴别肿瘤残留与治疗后瘢痕或坏死组织，监测治疗，帮助制定放疗计划等方面较传统的影像学方法如：CT、MIR、超声等均已显示出独特的优越性。然而，18F-FDG不具有肿瘤特异性。炎症、感染性疾病如活动性肺结核、隐球菌性肉芽肿、肺脓肿、结节病等也可出现18F-FDG高摄取，导致假阳性结果；同时，许多分化良好的低级别肿瘤，包括大多数前列腺癌、肾细胞癌、肝癌、肺类癌、支气管肺泡细胞癌、消化道和结肠粘液性肿瘤、低度恶性淋巴瘤、高分化腺癌等，葡萄糖代谢水平相对较低，更接近正常组织，18F-FDG摄取低或不摄取，可出现假阴性结果。上述18F-FDG PET/CT肿瘤显像的假阳性和假阴性结果无疑会给临床肿瘤的诊断及鉴别诊断带来巨大的挑战。因此，开发新型非18F-FDG肿瘤靶向显像诊断药物势在必行！ 研究发现，黄连素——一种从小檗科植物家族中提取的苄基四异喹啉类生物碱，通过选择性作用于肿瘤细胞的线粒体，包括抑制线粒体复合物I和与腺嘌呤核苷酸转运蛋白相互作用等，诱导线粒体功能障碍，从而抑制肿瘤细胞的生长。肿瘤细胞的线粒体已成为一种优良的抗肿瘤治疗靶标。黄连素似乎可以抑制多种肿瘤细胞，包括结肠癌、前列腺癌、胶质母细胞瘤、胃癌、表皮样癌、肝癌、胰腺癌、乳腺癌、口腔癌、舌癌、白血病和黑色素瘤等多种肿瘤细胞的生长。利用黄连素对肿瘤细胞线粒体的高度靶向性特性，用放射性释放γ射线的放射性核素标记黄连素衍生物可完成活体肿瘤的靶向分子显像；用释放α离子或β等射线的治疗用放射性核素标记该黄连素衍生物，利用黄连素衍生物自身的抗癌活性和放射性核素释放射线的辐射损伤生物学效应，可实现对肿瘤的化学-放射双重治疗。 首次成功合成新的黄连素衍生物并完成18F标记，形成一种新分子——18F标记黄连素衍生物；运用PET/CT技术,初步实现了18F标记黄连素衍生物（新分子）的新用途——活体荷VX2瘤兔的肿瘤靶向分子显像，具有创新性。 查新报告显示：国内外均无相关专利及文献报道。

动作捕捉技术（motion capture）在影视、体育、安防等领域具有广泛应用。传统的动作捕捉分为两大类，光学动捕系统通过在采集环境部署多个红外摄像头，再在人员的动捕服上放置光学标记球来求解出采集者的姿态信息，从而实现对人体运动的捕捉与动画映射；惯性动捕系统通过惯性测量单元（IMU）来采集肢体的运动信息，采集设备相对更轻便，但采集精度不如光学动捕系统。光学动捕系统包括Motion Analysis，Vicon，Optitrack等，惯性动捕系统有Xsens，诺亦腾等。 然而，无论是光学动捕还是惯性动捕都需要动作人穿上特定的设备，不可避免地会影响到人体运动的真实性和动捕的使用范围。同时，相应的专业动捕设备往往价格不菲，很多有需求的小型工作室也会望而却步。因此，学术界和工业界都在极力研究“无标记运动捕捉”技术，即不需要任何穿戴设备，仅由相机观测和算法分析，就实现对多人体运动的实时准确捕捉。这种技术有着更加广泛的应用场景，例如无人售货超市、VR/AR游戏、远程全息通讯、数字人创建、虚拟主播、人机交互、全天候医疗监护等。 近几年，随着深度学习技术的广泛普及，无标记动捕领域也诞生了许多革命性技术，例如实时2D多人体关键点检测技术OpenPose等。然而，多目标实时3D运动捕捉仍然是一个极具挑战性的问题，主要挑战因素包括：如何实现实时计算，如何进行高效的多视角关联，如何解决紧密交互带来的观测失真等。举个例子，当两个人拥抱在一起的时候，当前大多数检测或重建算法都会失效。而理论上，多视角的观测信号能够在一定算法设计下互相补充，尽可能解决单视角运动重建的歧义性。如何充分利用多视角的视频信号，实现复杂、紧密交互场景下的多人体运动捕捉是当前无标记运动捕捉领域的核心问题之一。 该项目研究工作提出的多视角人体运动捕捉系统包括相机采集模块，2D姿态检测模块，4D关联图求解模块，三维骨架求解模块及渲染模块。其主要算法贡献在于提出并实现了4D Association算法。 当前的多视角运动捕捉系统大多采用的是序贯地匹配策略，首先对每个视角进行独立的人体检测和连接（例如，OpenPose检测关键点和关键点相互连接的概率，从而对人体进行连接；Mask-RCNN、AlphaPose和HRNet都需要先检测每个人的BoundingBox，然后对每个人进行独立的人体检测），然后对人体进行多视角关联和姿态求解，最后进行时域跟踪。这种常规方法的缺陷在于，当单个视角检测失败以后，后续的算法难以对失败的检测结果进行修正，从而将错误的检测传递到下一个步骤，影响跟踪效果，对于紧密交互（例如前文提到的两人拥抱）的情形，单视角的往往很难给出令人满意的检测结果，因此基于序贯式的算法一般会失效。 相较而言，该研究工作的创新性在于充分利用单图连接(2D)、多视角连接(1D)、和时域连接(1D)之间的相互约束从而进行全局优化，用多视角信息和时域信息来避免单视角连接的歧义性，同时也通过单视角连接结果来优化多视角的匹配，从而使得关联结果更趋向于全局最优。具体地，该研究工作提出了一种4D Graph的图结构，将上一帧的三维人体关键点（在初始帧或者人进入动捕范围的时候可以缺失，不影响算法的运行）和当前每一视角的2D关键点建模在同一个图结构中，用单图连接、多视角连接、时域连接的概率作为边的权值，将人体多视角关联的问题看成提取有效边的过程。为了快速地求解这个问题，进一步提出了一种基于完全子图的近似求解算法，高效地完成了从4D图结构中提出正确的人体连接。 最终，该研究工作实现了紧密交互下人体的三维姿态重建，并展示了实时系统效果。其算法在多个数据集上均表现出了良好的视觉效果，在Shelf数据集上也取得了当前最好的数值结果。