本发明公开了一种基于磁纳米磁化强度-温度曲线的快速测温方法，其包括以下步骤：(1)将磁纳米粒子样品置于待测对象的表面；(2)在所述磁纳米粒子样品所在区域施加直流激励磁场；(3)获取所述待测对象的初始温度 T(0)，并根据该初始温度 T(0)计算出初始磁化强度M(0)；(4)采用探测线圈检测由温度变化而引起磁化强度变化的响应信号 u(t)；(5)根据所述初始磁化强度 M(0)和响应信号 u(t)实时计算出磁纳米粒子的磁

一种无刷双馈电机独立发电系统的励磁控制装置，属于无刷双 馈电机发电控制装置，克服现有的标量控制方法动态性能差以及双同 步旋转坐标系矢量控制方法复杂、成本高且效率低的缺陷。本发明包 括 PW 电压幅值控制器、PW 电压频率控制器、CW 电流矢量控制器、 LC 滤波器、转速计算器、CW 电流频率前馈量计算器、PW 电压锁相 环和 PW 电流变换器。本发明以无刷双馈电机的 CW 电流矢量控制器 为内环，以无刷双馈电机的 PW 电压幅值控制器和 PW 电压频率控制 器为外环，实现 PW 电压幅值和频率的独立

本发明公开了一种提高磁致伸缩导波检测灵敏度的装置，以及 利用该装置提高磁致伸缩导波检测灵敏度的方法，中心处理器控制信 号发生器产生激励信号，通过功率放大器输入激励传感器，在待检测 区域激励产生超声导波并沿轴向传播；经信号增强元件的反射，超声 导波叠加增强后输入接收传感器，经信号预处理器输入到 A/D 转换器， 转换成数字信号输入中心处理器；中心处理器通过对数字信号的分析， 得出缺陷在待检测区域上的位置。本发明通过在传统的磁致伸缩导波 的检测装置中引入了信号增强元件，实现缺陷多次回波信号幅值增强，

本发明公开了一种基于聚磁桥路的钢管壁厚电磁超声测量装置，包括穿过式磁化线圈、导磁元件、聚磁元件以及电磁超声检测线圈，其中磁化线圈用于将待检测钢管同心设置其中，由此在通电后产生沿其轴向分布的磁场；导磁元件呈板状结构对称设置在磁化线圈的外侧，用于使所产生的磁场沿着钢管法线方向分布；聚磁元件分别设置在各个所述导磁元件上，其下端贴近待检测钢管的外表面并保持间隙；电磁超声检测线圈安装在所述间隙中，用于在通以高频电流时执行对钢管壁厚的测量。本发明还公开了其他的构造形式。通过本发明，能够在待检测钢管的局部位置形成

本发明公开了一种直流偏磁多阶段递进式综合治理评估方法，包括:步骤 1，收集接地极和接地站 点的相关资料;步骤 2，从接地极向土壤注入小电流，获得接地站点的直流电流测试值;步骤 3，采用 直流电流仿真模型计算接地站点的直流电流仿真值;步骤 4，基于接地站点的直流电流测试值和直流电 流仿真值调整直流电流仿真模型，并进行第一阶段直流偏磁治理;步骤 5，从接地极向土壤注入逐步增 大的小电流，观察治理站治理设备动作情况，测量测试站直流电流，检查观察站的运行情况和噪声;步 骤 6，采用直流电流仿真模型计算测试站的直流电流仿真值，调整直流电流仿真模型;并进行下一阶段 直流偏磁治理。本发明计算简单、准确度高、效率高、切实可行。

利用现代分子生物学方法对传统抗血清制备技术进行改造，突破了过去抗血清生产经验为主造成的不确定性和不系统性，提高了抗血清制备的技术含量和生产效率。有效去除抗血清中的非特异性抗体，从而实现抗体制备的标准化和规模化生产，同时也降低了生产成本。免疫磁珠分离技术的最突出的优点是特异性强，可以明显提高检测的灵敏性，缩短病原体的检测时间一至数天，并且可从复杂的样品中直接分离病原体，降低标本中抑制物的干扰，提高灵敏度。 已生产出 3 种诊断血清产品，包括“致病性大肠杆菌 O 抗原诊断血清试剂盒”、“大肠杆菌 H 抗原全套诊断血清试剂盒”和“志贺氏菌 O 抗原全套诊断血清试剂盒”，共计 147 种高特异性抗体。 经中国 CDC 使用证实，该血清具有反应速度快、特异性强的特点，与日本生研同类血清质量相当，远优于国内同类产品。继续在市场调研的基础上，再进行 11 种改类试剂盒的研发和生产，填补国内外市场空白。 本项目完成后，实施单位将可生产 12 种诊断血清试剂盒（包括前期已完成开发的 3 种），按每个疾控中心每年需求每种试剂盒一套计算，总需求量约 1200 套。此外，进出口检验检疫单位对某些种类的血清亦有一定需求，约为 300 套。按每套试剂盒平均 1 万元的售价计算，每年的市场可达 1500 万元。 免疫磁珠分离试剂盒可广泛应用于临床检验，食品检验，水质／环境检验，兽药检验等，市场非常之大，现主要的生产商为国外的Dynal 和 Matrix 公司，以 Dynal 公司为例，其每年可创造数十亿美元的销售额。由于依赖进口，国内多家疾病预防控制和出入境检验检疫单位已经向项目实施单位提出了产品的开发意向。该产品研发成本约为每毫升 600 元，销售价格在每毫升 2000 元左右，显示了良好的市场前景。

路面病害分为表面破损（如裂缝）、路面变形（如沉降）和结构病害（如层间脱空）三大类。该技术以路面检测成果为全卷积神经网络的输入信号，对于表面破损，其输入为多功能检测车拍摄的路表图像；对于路面变形，输入为三维检测车测取的三维路面模型；对于结构病害，输入为探地雷达信号图像。通过海量数据的训练、测试，可实现上述三类病害的自动化识别、分类和测量，为路面养护工程提供数据支撑。此外，该技术在保证与人工识别结果相同的精度下，可将数据处理速度提高千倍以上。 

泛素-蛋白酶体体系（Ubiquitin-Proteasome System，简称UPS）是细胞内最重要的蛋白质降解通路，对维持生物体内蛋白质的浓度平衡，以及对调控蛋白、错误折叠或受到损伤的蛋白的快速降解起着至关重要的作用，参与了细胞周期、基因表达调控等多种细胞进程，由UPS失常引发的蛋白质新陈代谢异常与众多人类重大疾病直接相关。2004年，Aaron Ciechanover, Irwin Rose和Avram Hershko三位科学家被授予了诺贝尔化学奖，以表彰他们对该降解通路的发现。UPS中蛋白酶体是细胞中最基本的、最重要的不可或缺的、最为复杂的大型全酶超分子复合机器之一，人源蛋白酶体全酶包含至少33种不同的亚基，总原子质量约为2.5MDa。美国FDA批准的多种治疗癌症的药物分子即以蛋白酶体为直接靶标。近年来，随着冷冻电镜技术的发展和应用，人们对这一大分子机器的结构和功能研究得以不断深入。2016年，毛有东课题组与合作者报道了人源蛋白酶体基态的3.6Å冷冻电镜结构及其他三个亚纳米分辨构象，并首次发现一个亚稳态构象的核心颗粒（Core Particle，简称CP）底物转运通道处于开放状态（见PNAS 2016, 113: 12991-12996）。2018年4月，该课题组又报道了6个ATPγS结合状态下的26S动态结构，包括三个CP开放态对应的亚稳简并态近原子分辨（4~5Å）结构（见Nature Communications 2018, 9: 1360）。尽管这些工作揭示了蛋白酶体的基本架构和内在运动行为，但由于缺乏蛋白酶体与底物之间的相互作用，人们对于蛋白酶体如何实现底物降解的原子水平工作机制仍一无所知。此外，尽管冷冻电镜技术近年来广泛应用于分析具有动态特征的蛋白复合体结构和平衡态构象，但对其中间态结构和非平衡构象分析的分辨率水平往往局限在4～6埃或更低，离真正的全原子水平动力学分析还有相当一段距离。 为了真正实现原子水平的蛋白酶体底物降解动态过程的冷冻电镜三维重建和动力学表征，毛有东课题组攻克了两大技术难题。其一，如何在蛋白酶体完成底物降解之前抓到它的所有可能的中间态构象？课题组发展了一种新颖的核酸置换法，利用ATPγS降低AAA-ATPase激酶水解活性的特点，在底物降解中间过程，通过将ATP快速置换成ATPγS，结合快速冷冻的优势，从而扑捉到蛋白酶体在底物降解过程的中间态。其二，如何在从冷冻电镜数据中分析出更多构象的同时，还把分辨率做到3埃甚至更好？课题组通过多年持续努力，发展了多种基于人工智能和机器学习的冷冻电镜图像聚类的新型算法，并针对蛋白酶体的动力学特征，设计了一套极其有效的整合了多种算法的多构象分类流程。通过这两套技术方案的完美结合，课题组成功解析了人源蛋白酶体在降解底物过程中的七种不同的、但差别甚微的、高分辨原子水平的天然态构象（Native states），完整展示了蛋白酶体从泛素结合到去泛素化，再到底物转运的动态过程。与同期在Science上发表的与底物结合的酵母蛋白酶体的4.2-4.7埃冷冻电镜结构（Science doi: 10.1126/science.aav0725，来自加州伯克利分校和Scripps研究所）相比，该Nature论文不仅总构象数量多一倍，全部构象分辨率还高1-2埃。由于Science论文采用了抑制Rpn11去泛素活性的策略，其非天然态结构中底物并不能真正自由转运，所推测的机理仅限于底物转运这一步，对于其他三大Nature论文所回答重要问题均无法给出答案。这体现了该Nature论文不仅在实验方法的原创性上和数据分析水平和质量上，更在科学发现和问题探究的深度和广度上大幅超越了来自Science的竞争性论文。图一 七个利用冷冻电镜解析的精细原子结构完整揭示了从泛素识别、去泛素化反应、转运启动和持续降解的核心功能动态过程。 作为整个蛋白酶体的动力来源与运转核心，AAA-ATPase激酶分子马达展现出了三种不同的核苷酸水解协作模式，6个ATPase亚基协调工作，交替与底物发生相互作用。在去泛素化过程（EB态）中，处于对立位置的两个ATPase亚基Rpt2与Rpt4水解ATP，而Rpt5与Rpt6则释放ADP，ATPase内的底物转运通道被打开，使得底物可以进入轴心通道；与此同时，去泛素化酶Rpn11亚基与泛素及底物发生相互作用，执行其作为去泛素化酶的功能；在转运起始过程（EC态）中，相邻的两个ATPase亚基Rpt1与Rpt5会同时水解ATP，调控颗粒（Regulatory Particle，简称RP）发生大规模转动并释放泛素；在底物去折叠与转运过程（ED态）中，三个相邻的ATPase亚基会分别同步进行ATP的结合、ADP的释放与ATP的水解，这一过程会单向传递下去，将ATP水解释放的化学能转换为机械能，使得相应的ATPase亚基发生刚体转动，推动底物的去折叠和单向输运，同时CP的转运通道入口打开，底物被送入通道中进行降解。这些研究结果为几十年来对蛋白酶体功能的研究提供了宝贵的第一手原子结构和动力学信息，对于理解生物体内蛋白质的降解过程和一系列负责物质输运的ATPase马达分子的一般工作原理具有极为重要的科学意义。

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。 

研究目的和意义机器学习和人工智能已成为当今最热门的技术之一。2017年，国务院印发了《新一代人工智能发展规划》，正式将人工智能作为国家重要发展战略之一。人工智能已经成为信息技术时代的又一波浪潮。在这波浪潮的推动下，互联网行业、金融行业、传统制造业、政务民生、公安警务等各行各业都在积极向人工智能领域转型升级，利用人工智能先进技术提升智能分析和辅助决策能力，