产品详细介绍    

产品详细介绍

产品详细介绍

产品详细介绍

产品详细介绍

德国 EBM 双直流风机，低噪、节能、气流恒定，可靠性更高 智能物联模块，可实现手机 APP 控制开关门，实时观看工作区监控画面 德国 EBM 双直流风机，实现低噪、节能、高 可靠性； 海康威视监控摄像头，可分别独立记 录工作区； X 系采用电动升降玻璃门，搭配脚踏开关解放双手； 平台式搁手架，使用舒适，减少疲劳。

一、全身模拟人 *1、全身针灸模拟人设有≥300个穴位传感器（穴位应包括常见病针灸处方中的十四经穴和奇穴）。穴位点以LED灯光的形式呈现，软件端可控制穴位灯光的开启与关闭。 *2、全身模拟人：点穴模拟人模拟一成年男性，身高170CM，模拟人为整体结构（非四肢拼接而成），四肢均可自由活动。 3、针灸模拟人全身均为真实柔软的仿真皮肤、仿真实皮下与肌肉组织、手感真实触有弹性仿真皮肤有非常好的柔韧性。同一位置针刺多次不会出现明显孔位，表面形状、触摸手感均与人体无异，非常的真实。 *4、仿真模拟人体内有完整的全身骨骼仿真结构、四肢骨骼可活动，有良好的弯曲的功能。体内有完整的骨骼仿真结构,真实的展示各部位骨性标志。全身各部位关节为金属构件连接，灵活、牢固可任意摆放各种点穴取穴体位。 5、体表解剖标志明显，有明确的脊柱骨凸点、肋骨凸点、乳头、肚脐等定位特征点，并可进行点穴定位。 6、具有逼真的口腔(牙齿、舌、悬雍垂等)及气道(会厌、声门、气管等)。 7、模型材料采用了无毒、无害的环保级材料。 8、模拟人与软件之间支持有线与无线两种连接方式。 二、实训功能 *1、软件系统中打开经络或穴位，全身针灸模型人可亮起相应穴位灯。 2、每个穴位都是独立传感器，单个传感器故障不影响整个系统的使用，每个穴位传感器支持单独拆卸更换。 *3、在全身模拟人上针刺某一穴位，软件系统自动播报该穴位点名称，并跳转到相应位置，并以高亮显示，在软件中点亮某一穴位，模拟人上对应的穴位亮起。 4、可在全身模拟人上根据骨性标志、体表标志等不同取穴方式进行真实人体取穴。 *5、实时实训：针对全身的穴位可以分经络进行单独展示，配合全身模拟人进行针刺练习，触发穴位后软件进行实时响应，系统可实时显示该穴位的名称、国际代码、点位、解剖位置、主治、操作等信息，同时播报其穴位名称。 6、穴位提示：可以单独控制单一穴位的灯光提示，方便认穴练习。 7、经络练习：可以点亮一条或多条经络穴位进行相关经络学习。 8、多穴练习：可针对性的点亮多个穴位进行练习，系统给出实时反馈。 9、模型穴位灯光可实现经络的循行走向。 10、支持分层感知功能，在人体模型穴位上进行按压时，软件同步显示按压力度、按压时长及按压感知层次，并实时以视图形式呈现按压力度变化。 11、具备压力反馈功能，可根据穴位，设置不同耐受阈值，在进行按压时以视图形式呈现按压力度变化和按压时长信息。 12、系统具备压力反馈功能，穴位按压时，可调控反馈按压力度大小。 三、软件功能 1、系统包含经络腧穴解剖、点穴训练、综合病例训练、发布点穴考试等功能。 2、穴位认知包含包括十二正经、十二经别、奇经八脉共32条经脉，包含362个经穴，50余个经外奇穴。点击该穴位可直观了解穴位所在位置。针对每条经络及穴位的点位、解剖位置、主治病症、针刺手法均有详细释义，并可以利用虚拟数字人体模型交互操作使用。 3、解剖系统：包含骨骼系统，关节系统，肌肉系统，消化系统，神经系统，动脉系统，静脉系统，淋巴系统，皮肤系统，呼吸系统，泌尿生殖系统，内分泌系统等人体数字虚拟系统，方便理解中医穴位在人体结构中的毗邻关系。在系统中可对数字人体进行拆分、隐藏等多种解剖功能的操作。 4、经络循行：通过三维动效形式展示，可直观了解人体经络循行。 *5、可对数字模型进行放大、缩小、平移、一键初始状态、一键返回主页面，可前、后、左、右、上、下六视图切换三维模型视角，对任意界面进行截图保存等多种操作。 6、系统设有多种背景颜色适配多种场景。 7、语音功能：针对详细注解内容，进行对应的语音讲解。 8、透明功能：可一键透明皮肤、肌肉、骨骼，也可以调节不同层级的透明度，利于学习针灸腧穴对应的内部解剖结构。 *9、身体层级：可以对皮肤、肌肉、骨骼、动脉、静脉、内脏、神经进行隐藏和显示。 10、文字介绍：点击任意腧穴都可以显示其名称、介绍等信息。 11、即触即显：任意点击某个腧穴/某个解剖结构，可以立即显示其名称及对应结构注释。 12、搜索：输入穴位名称、拼音或代码，可在三维人体模型上快速定位到该穴位。 13、歌诀背诵：包含井荥输原经合歌、八会穴歌、络穴歌、郄穴歌、八脉交会穴歌、背腧穴歌等针灸歌诀。 14、腧穴定位体表解剖标志具备20余个重要人体解剖标志位置，可一键显示全部体表解剖标志定位点。 15、骨度分寸：以《灵枢·骨度》里的人体各部的分寸为基础，用于腧穴定位的方法。根据当前学习的穴位，一键获得根据骨度折量定位法得出的位置信息，更方便腧穴认知。 16、对称穴位：不仅可以学习单侧的经络穴位，更方便进行对侧穴位的认知学习。 17、重置或复位：一键恢复三维模型至初始状态。 *18、常见的危险穴位具有特殊标记，详细信息包含针刺异常情况表现及情况处理。 19、支持按部位显示/隐藏虚拟人体模型，可分为全身、头部、躯干部、上肢（左）、上肢（右）、下肢（左）、下肢（右）等多种模型状态。 四、取穴模块 1、取穴训练 1.1、可在模拟人身上进行全部穴位的取穴模拟。支持不少于400（单穴）个穴位的取穴练习。 1.2、系统可随机挑选10个穴位进行训练，操作结束后，系统实时给出评分，成绩单可查看每个穴位的操作过程和分值记录。 1.3、在软件虚拟人体上进行穴位的寻找与确认，实时反馈取穴位置的对错，亦可随时查询所练习腧穴的正确定位，以便即时纠正及再次练习巩固，结束训练后可自动生成训练记录。 1.4、支持以全国针灸推拿临床操作技能大赛的腧穴定位比赛规则随机出题。 2、专项取穴训练 2.1、具备教师指定和自主选择功能。 2.2、教师可以设置题组数目、组题形式，支持系统随机组题和自定义组题。 2.3、教师可自行设置取穴形式，支持一键发布训练穴位。 3、综合病例训练 3.1、包含头面躯体痛、内科、妇儿科、皮外伤科、五官科、急症等多科室的病例针灸治疗内容。 3.2、包含头痛、面痛、腰痛、面肌痉挛、落枕、颈椎病、漏肩风、坐骨神经痛、晕厥、眩晕、中风、高血压病、痹证、胁痛、痴呆、不寐、心悸、水肿等病案诊断、治疗方法。 3.3、每个针灸病例考题作答后系统自动给予正确答案对比。 4、发布取穴考试 4.1、试题类型支持智能针灸全身人身上针刺取穴和系统虚拟人身上取穴，教师可分别设置每个穴位的考核形式。 4.2、考试穴位支持按照设置的常用穴位和非常用穴位自动随机生成，支持按经络、部位等自主选择穴位生成。 五、配置清单 1、全身针灸仿真模拟人一具。 2、65寸落地式触控交互系统一套，配备可移动式支架。 3、可升降按摩床一台。 六、中医针灸数字人系统V1.0 一套

东南大学医学院生物信号采集与处理系统采购招标项目的潜在投标人应在东南大学采购中心网（https://dnzb.seu.edu.cn/）获取招标文件，并于2022年07月06日09点30分（北京时间）前递交投标文件。

一种微曝气循环一体化污水生物生态处理系统及方法,生活污水先由调节池均质均量,后送至表面布水式生物滤池,进行酸化水解降低部分有机物,然后自流进入循环生物强化接触池进行好氧生化处理去除绝大部分有机物,硝化反硝化脱氮,污泥好氧吸磷等生化作用,出水自流至斜板沉淀池进行固液分离后,上清液自流至竖向流湿地,废水中磷污染物进一步被滤池中富铁矿材料吸附去除,出水流至清水池排放或回用.本系统将表面布水式生物滤池,循环生物强化接触池,人工湿地进行一体化集成设计,各反应单元空间布局紧凑,占地面积小;工艺使用的设备少,废水主要靠重力流和推流,自动化强,运行管理简便;污泥回流量小,脱氮除磷处理效果好,尤其是磷去除率高.

“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。