技术分析(创新性、先进性、独占性) 目前 在我国城镇住宅中，大量建于20世纪八、九十年代，高度在10-24米之间，层数在4-7层之间的多层住宅，受当时经济发展水平、建设标准和相关建筑规范的限制，都没有配建电梯。随着我国人口老龄化问题日趋严重，为既有多层住宅加装电梯的适老化改造势在必行。 创新性 由于本发明设备和施工方法，借助下部已完成的电梯井道作为支撑结构，设备自身随施工进度逐层自提升，无需独立支撑结构和巨大的吊臂，极大地减小了设备的自身体积和重量。 由于本发明设备和施工方法，实现了电梯井道的土建施工与电梯设备的 安装施工的有机结合，交叉同步进行，一机多用， 极大地提高了施工的效率和速度。 由于本发明设备和施工方法，设备安装在电梯井道内部，无需占用其他场地，吊臂尺寸及作业范围小，极大地减少了对居民日常生活的干扰，提高了施工的安全性。 先进性 由于本发明设备和施工方法，利用电梯轿厢轨道、导靴和安全钳作为设备自身提升的垂直导向和安全制动装置,利用电梯轿厢为施工垂直运输和人员操作的平台，极大地简化了设备的结构。 由于本发明采用了格构化的吊臂结构，相对于常见的液压伸缩吊臂基本都采用方钢截面形式，具有重量轻、稳定性强的特点，极大地减小了设备的自重。 由于本发明采用双向液压缸带动液压杆与两根吊臂组合的形式，不仅加大了两根液压杆的伸缩范围，提高了液压缸的灵活性，可以到达设备的正上方和后上方，更大大简化了整体机械结构。 独占性 本发明与技术由华城(天津)建筑科技有限公司和天津大学建筑学院、建筑工程学院、机械学院、电气自动化与信息工程学院共同组成的研究团队自主完成，具有完全的知识产权，并同时申报国家发明和实用新型专利，目前已取得实用新型专利2项，1 项发明专利已进入实质性审查阶段，另有1项发明专利和1项实用新型专利已经完成申报。 总之，本发明设备具有体积小、重量轻、结构简单、操作简便，易于搬运及安装，作业空间范围小的特点。采用该设备和施工方法，不仅摆脱因老旧小区内部道路狭窄，大型的运输和起重车辆难以进入，以及因老旧小区空间狭小，环境复杂，使用大型起重机械进行施工，场地内部干扰多，对居民及周边建筑干扰大，存在安全隐患等现实问题；更有利于提高施工效率，缩短现场施工周期，降低劳动力成本，提高施工精度，保证施工质量与安全，减少对居民日常生活的干扰，符合建筑工业化、标准化、装配化的发展趋势。

本发明公开了一种硅烷偶联剂修饰二氧化钛纳米管阵列材料及其制备方法和应用。该硅烷偶联剂修饰二氧化钛纳米管阵列材料主要由二氧化钛纳米管阵列、硅烷偶联剂、有机溶剂和冰醋酸混合后反应得到，可应用于处理含有机污染物和/或重金属污染物的废水中。本发明的硅烷偶联剂修饰二氧化钛纳米管阵列材料氧化还原能力强，可同时去除有机污染物和重金属污染物，且去除效果好，可反复使用。

导读东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法，以对运动想象(MI)任务进行分类。ESI技术采用边界元法(BEM)和加权最小范数估计(WMNE)分别解决EEG的正向和逆向问题。然后在运动皮层中创建十个scout来选择感兴趣的区域(ROI)。研究者使用Morlet小波方法从scout的时间序列中提取特征。最后，使用CNN对MI任务进行分类。实验结果:在Physionet数据库上的整体平均准确率达到94.5%，分别对左拳头、右拳头、双拳和双脚的单个准确率达到95.3%、93.3%、93.6%、96%，采用十倍交叉验证进行验证。研究人员表示，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者为验证方法的有效性，加入了4个新的受试者进行验证，发现总体平均准确率为92.5%。此外，全局分类器适应单一对象，整体平均准确率提高到94.54%。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。系统框架图1 系统框架图系统框架如图1所示。原始数据来自国际10-10系统的64个电极(不包括Nz、F9、F10、FT9、FT10、A1、A2、TP9、TP10、P9和P10电极)，并以每秒160个样本的速度采集。根据国际10-10系统从64个通道采集原始脑电图，并使用BCI2000系统进行记录。记录的数据被分为四个独立MI任务包括左拳MI,右拳MI,双拳MI和双脚MI。首先，由于ERD在执行运动想象时在alpha和beta中不同，因此使用FIR滤波器对EEG进行了8 Hz至30 Hz的带通滤波。然后，通过计算包含正问题和逆问题的源，将传感器空间的活动转化为源空间的活动。接下来，创建scout并提取特征。研究者在运动皮层中创建了10个scout，因为我们只关心与运动相关的活动。十个scout中的每一个都代表了可用源空间中的一个感兴趣的区域(ROI)，并且是定义在皮层表面或头部体积上的偶极子的子集。左脑的scout称为L1、L2、L3、L4、L5，右脑的scout称为R1、R2、R3、R4、R5。利用JTFA从10个scout的源时间序列中提取特征。最后，利用CNN对时频图进行分离并进行分类。实验在实验中，研究人员仅使用了随机选择的十个受试者的MI trail (S5，S6，S7，S8，S9，S10，S11，S12，S13，S14)。这里用于分析的数据集包含每个受试者84次试验，每一类包含21次试验。在记录64通道脑电图时，受试者执行了不同的运动想象任务。每个受试者针对以下四个任务中的每一个执行了3轮21试验：当目标出现在屏幕左侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕的右侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕顶部时，受试者想象打开和合上双手的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕底部时，目标会想象双脚张开和合拢，直到目标消失。然后受试者放松。为了统一数据维数，研究者选择了4s的数据，因为每次想象任务的执行时间都在4s左右。此外，脑电图任务是分开的，研究人员在实验中将左拳，右拳，双拳和双脚MI任务分别称为T1，T2，T3和T4。图2 scout命名左右运动想象的scout分别命名为L1、L2、L3、L4、L5、R1、R2、R3、R4、R5，如图2所示。10个scout每一个都被扩展到40个顶点，每个顶点只有一个源。L1区域对应40个信号，其他scout也一样。在计算了来源后，研究者在运动皮层中创建了十个scout，如图3所示。图3 创建10个scout使用ESI计算十个受试者(S5、S6、S7、S8、S9、S10、S11、S12、S13、S14)每次试验的四个任务(T1、T2、T3、T4)的源。对于这四项任务中的每一项，每个受试者每次都要进行7次测试(#1，#2，#3，#4，#5，#6，#7)。展示了第一个步的10个被试的10个scout的4项任务的来源。然后提取10个scout的时间序列进行进一步分析。特征提取在计算源之后，研究人员在运动皮层中创建了包含40个源的10个scout，并提取了scout的时间序列。如图4所示为提取R5 scout时间序列作为示例。图的右边显示了R5 scout的时间序列。本文利用小波变换从scout时间序列中提取特征。图4 提取R5 scout时间序列作为示例在这项研究中，研究者提出利用CNN来解决运动想象任务分类的问题。该模型基于Schirrmeister等提出的Deep ConvNet架构，该网络模型由一个六层卷积网络组成，其中两个最大池层和三个全连接层，如图5所示。图5对于Physionet数据库，研究者首先采用Deep ConvNet架构，包括四个卷积层、四个最大池层和一个全连接层。在实验中，研究者依据经验使用两个最大池化层。并尝试了不同数量的卷积层和完全连接层。时频图利用Morlet小波方法得到了scout的特征。对于每个任务，R5 scout的时频图如图6所示。包含时间和频率互补的时频分析方法提供了时域和频域的联合分布信息，清晰地描述了信号频率与时间的关系。图6 R5 scout的时频图显然，只有部分时频映射是红色的，表明每个任务只对特定的频率和时间敏感。由于图的数量比较大，研究者使用CNN来选择和学习这些图中最基本的特征。研究人员随机选择了几个样本，并将一些特征图可视化，作为MI任务的学习表示，如图7所示。图7为了获得有效的结果，将数据集分为90％作为训练集，其余10％作为测试集。首先，将十个受试者的数据集（总共19320个样本）分为17388个样本以训练所提出的CNN模型，以及1932个样本以验证模型的有效性。在实验中，研究者还选择了另外四个受试者的数据集以增加数据集的规模(27048个样本)，其中24343个样本是训练集，其他样本是测试集。在选定的scout上对所提出的CNN架构进行了十次训练和测试，以验证所提出模型的鲁棒性。图8(a)显示了10个scout中每个的全局平均精度。图8 统计结果R5的全局平均精度最高，达到94.5%，而L2的全局平均精度最低，为91.3%。对应L1、L3、L4、L5、R1、R2、R3、R4的整体准确率分别为92.4%、92.5%、93.6%、91.9%、93.0%、91.8%、92.1%、92.6%。所有scout的总体精度均在91%以上，标准差均在0.20%以下。图8(b)显示了十个scout中每个scout四个MI任务的组级统计结果及其标准差。一般来说，R5表现的要比其他的好，而L2在迭代2000中表现最差。标准差较小，说明这些精度更接近平均值且稳定。图9 统计结果图9(a)显示了带有标准差的混淆矩阵，说明了group level分类结果。T1、T2、T3和T4的全局平均精度峰值分别为95.3%、93.3%、93.6%和96.0%。R5 scout的四个MI任务中的每一个都如图9(b)所示。通过改变训练集和测试集顺序的10次试验，确定了scoutR5的性能，结果如图10(a)和(b)所示。在10次试验中，scout R5的T1、T2、T3、T4的平均准确率分别为93.3%、93.8%、94.2%、94.1%。换句话说，四个任务中每一个的平均准确率都超过了93%。全局平均准确率为93.7%。10次试验结果表明，该方法对scout R5的分类效果较好。从以上结果可以清楚地看出，R5 scout在四种MI任务的分类中扮演着最重要的角色。因此，选择R5对四个MI任务进行分类。图 10图11. (a)是不同模型的全局平均准确性的比较。可以发现，该研究提出的模型可以达到最大的精度。从图11. (b)不同模型的ROC曲线可以看出提出的模型比其他模型表现更好。©不同模型T1上的精度比较。(d)不同模型T2的精度比较。(e)不同模型T3的精度比较。(f)不同型号T4的精度比较。图11 不同模型的精度比较结论东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法。该方法可以对运动想象(MI)任务进行分类。实验结果表明，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者加入了4个新的受试者进行验证来验证方法的有效性。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。论文信息：A novel approach of decoding EEG four-class motor imagery tasks via scout ESI and CNN

本发明公开了一种硅烷偶联剂修饰二氧化钛纳米管阵列材料及其制备方法和应用。该硅烷偶联剂修饰二氧化钛纳米管阵列材料主要由二氧化钛纳米管阵列、硅烷偶联剂、有机溶剂和冰醋酸混合后反应得到，可应用于处理含有机污染物和/或重金属污染物的废水中。本发明的硅烷偶联剂修饰二氧化钛纳米管阵列材料氧化还原能力强，可同时去除有机污染物和重金属污染物，且去除效果好，可反复使用。

本发明公开了一种二氧化硅/纳米纤维功能复合物修饰电极及其制备方法和应用。该电极由复合纳米纤维PA6-GR修饰电极浸于TEOS溶液中制得；所述复合纳米纤维PA6-GR修饰电极通过静电纺丝收集于裸电极表面制得。本发明制备得到二氧化硅/纳米纤维功能复合物修饰电极稳定性好、比表面积大、生物相容性良好、电子传递速率快，可以广泛应用于生物分析，生物传感检测等领域。同时本发明的制备方法通过将静电纺丝技术和电学修饰相结合，制备流程简单方便、成本低、原料来源广、产率高，可以大规模生产应用。

【发 明 人】顾薇；陈军；杨希雄；陆姗姗；严旭 【摘要】 针对现有技术中9-硝基喜树碱溶解度差、生物利用度低的技术问题，本发明提供9-NC-环糊精包合物，其含有分子摩尔比为1:30~200的活性成分9-NC和包合剂β-CD或其衍生物；具体制备方法为：将9-NC丙酮饱和溶液滴加到CD溶液中，并在25~60℃下磁力搅拌至丙酮完全挥发；所得混悬液离心后取上清液进行冷冻干燥得9-NC-CD包合物粉末。同时本发明提供含有上述9-NC-CD包合物和药学上可接受的赋形剂的药物组合物。本发明提供的包合物相比于9-NC游离药物溶解度增加300倍以上；同时包合物表现出更高的内酯稳定性与体外缓释效果；用X射线衍射分析与热分析法表明包合物中9-NC已完全被包合，进一步验证工艺的可靠性。由此，包合物可被开发成为液体制剂，也可改善9-NC固体制剂的体内吸收，提高生物利用度。

本发明公开了一种树枝状大分子氟-19 磁共振显影剂及其制备方法和应用。本发明的显影剂是以含氟树枝状大分子为骨架，外围末端基团连接功能性分子，其制备方法包括如下步骤:通过路易斯酸催化下六氟丙酮与苯的傅克反应将双三氟甲基叔醇引入苯，在发烟硫酸作用下进行碘化反应，再通过偶联反应引入丙炔醇结构，氢化得到含氟结构单元 Q;通过三溴化磷将 Q 中的伯羟基转化为溴，然后利用 Q中的羟基与上述溴代物生成醚键而合

本发明公开了一种球形二氧化硅基核壳结构吸附剂及其制备方法和应用，将 MgCl2 水溶液和 SiO2微米球分别用表面活性剂进行改性，然后将改性后的 SiO2 分散液与 MgCl2 水溶液混合搅拌，同时滴加一定量的浓氨水，水浴条件下搅拌一定时间后停止，抽滤、洗涤、烘干最后于马弗炉中煅烧即可得到球 形二氧化硅基核壳结构吸附剂。其比表面

本发明公开了一种二氧化硅/纳米纤维功能复合物修饰电极及其制备方法和应用。该电极由复合纳米纤维PA6?GR修饰电极浸于TEOS溶液中制得；所述复合纳米纤维PA6?GR修饰电极由聚酰胺6与石墨烯混合溶于间甲酚/甲酸/N，N?二甲基甲酰胺混合溶剂中形成前驱体纺丝溶液，通过静电纺丝收集于裸电极表面制得。本发明制备得到二氧化硅/纳米纤维功能复合物修饰电极稳定性

本发明公开了一种采用简便的水热法制备小粒径板钛矿二氧化钛纳米粉体的方法，所得产物以粒径 约为 10 nm 的板钛矿 TiO2 纳米粒子为主体，还含有少量的长度约为 100 nm 的板钛矿 TiO2 纳米棒。该 产品不仅具有高的晶相纯度和热稳定性，而且具有比商品 TiO2 纳米粒子（P25）更小的粒径和更大的比 表面积。采用传统方法以小粒径板钛矿 TiO2 纳米粉体制备浆料和多孔膜光阳极，并以其构建的板钛矿 TiO2 基 DSSCs 的最优光电转