|
搜索
搜 索
高等教育领域数字化综合服务平台
XM-638颜面浅层肌肉神经血管模型
XM-638颜面浅层肌肉神经血管模型
XM-638颜面浅层肌肉神经血管模型显示表情肌及颈部浅层肌肉，头面颈部浅层神经及血管，表情肌主要显示眼轮匝肌、鼻部肌肉、口轮匝肌等，面部的神经主要显示面神经在面部的分支、颞支、颊支、下颌缘支以及眶上神经、耳颞神经、枕大神经、耳大神经，面部的血管主要示颞浅动静脉、颈解浅静脉、面动静脉、枕动脉等。
尺寸：自然大，25×25×6cm
材质：PVC材料
上海欣曼科教设备有限公司
2021-08-23
一种纳米纤维修饰电极的制备方法及应用
本发明涉及一种纳米纤维修饰电极的制备方法包括以下步骤：利用4?羟乙基哌嗪乙磺酸、聚乙烯吡咯烷酮、氯金酸溶液制备纳米金微粒；将聚醚砜树脂、二甲基甲酰胺、邻苯二甲酸二甲酯、纳米金微粒混合均匀，制得均匀的纺丝液；将S2中制备的纺丝液经过高压电场拉伸，在掺硼金刚石电极表面形成纳米纤维膜；将S3中制备的电极采用甲醇洗脱，获得具有分子印迹识别功能的纳米纤维修饰电极。本发明结合静电纺丝技术，得到稳定性好、生物相容性良好、具有识别特异性、有效比表面积大的复合纳米纤维电极修饰材料。
东南大学
2021-04-11
功能可控纳米纤维复合材料修饰电极制备技术及其应用
成果介绍本项目将静电纺丝、电化学修饰电极两种方法有机结合，从外表面、内容物及整掺杂等方面对基础纳米纤维修饰电极进行功能化，实现功能可控纳米纤维复合材料修饰电极的制备。技术创新点及参数功能可控纳米纤维复合材料修饰电极，从调控“结构”-“效应”角度，构建新型功能可控活性分子固载界面，结合光电传感技术，建立模型。市场前景建立多种癌症、神经性退行性疾病的系列标志物，环境污染物，食品污染物的分析跟踪与评估新模型，一些典型应用案例突破现有技术的瓶颈。
东南大学
2021-04-11
纳米金-纳米纤维功能复合物修饰电极的制备方法
本发明是一种纳米金/纳米纤维功能复合物修饰电极的制备方法，具体制备方法包括：1）纺丝溶液配制；2）静电纺丝制备复合纳米纤维，形成复合纳米纤维PA6-MCWNTs修饰电极；3）复合纳米纤维电沉积纳米金功能化。将复合纳米纤维PA6-MCWNTs修饰电极浸于含有HAuCl4的沉积液中，采用多电位阶跃法，将HAuCl4还原成纳米金并同步直接沉积在PA6-MCWNTs复合纳米纤维表面。本发明获得具有稳定性好、比表面积大、生物相容性良好、电子传递速率快、纳米直径孔径分布均匀等特点的功能复合物电极修饰材料。
东南大学
2021-04-13
聚合物膜修饰电极电化学传感器
目前我国对水质监测的项目包括酸碱度、温度、浊度、色度、溶解氧、磷及磷酸盐、氨、氮、硝酸盐、硫化物、有毒害金属离子、有机物、农药、油脂及各类有毒害化合物约40多个项目，其中约有90%以上的项目都可通过传感器来实现监测。实现电化学传感器对水质进行科学管理的关键在于传感器的响应速度、灵敏度、稳定性及选择性。本产品具有以下优点：导电聚合物具有高的稳定性、氧化还原的可逆性和显著的化学记忆性而成为化学与生物传感器制造的新型材料，它克服了小分子媒介体在反应中易于流失，操作复杂，
厦门大学
2021-01-12
功能可控纳米纤维复合材料修饰电极制备技术及其应用
本项目将静电纺丝、电化学修饰电极两种方法有机结合，从外表面、内容物及整掺杂等方面对基础纳米纤维修饰电极进行功能化，实现功能可控纳米纤维复合材料修饰电极的制备。.
东南大学
2021-04-13
一种石墨相氮化碳薄膜修饰电极的制备方法
本发明公开了一种石墨相氮化碳薄膜修饰电极的制备方法。在 保护气氛下，首先 450℃～550℃加热氮化碳原料 1min～6h，使得氮化 碳原料气化后附着于耐热载体表面，并形成氮化碳前驱体；然后 500℃～550℃加热附着有氮化碳前驱体的耐热载体 1min～6h，使得氮 化碳前驱体气化并在导电基底表面形成厚度为 10nm～150nm 的石墨 相氮化碳薄膜，获得所述修饰电极。本发明通过利用气相沉积的方法 在导电基底表面修饰
华中科技大学
2021-04-14
纳米复合膜电极电合成丁二酸新技术
丁二酸应用领域广泛，其中生物可降解塑料PBS是丁二酸最具发展潜力的重要应用领域，生产1吨PBS需消耗0.62吨丁二酸。PBS与其他生物可降解塑料相比，不仅力学性能十分优异，而且价格合理，市场需求量很大。目前国内外已开发成功以丁二酸为原料合成PBS生物可降解塑料技术。专家分析认为，未来我国PBS的年需求量将达到300万吨以上，需消耗丁二酸180万吨，而
南京工业大学
2021-01-12
基于卷积神经网络的干扰信号识别方法
本发明属于无线通信技术领域，具体涉及一种基于卷积神经网络的干扰信号识别方法。本发明的方法主要包括构建卷积神经网络；对接收到的干扰信号做预处理，将其作为卷积神经网络的输入样本；根据待识别信号的类别，将信号样本及其对应的类别构建为训练集，利用构建的训练集训练构建的卷积神经网络；根据训练的卷积神经网络，对每个预处理后的信号样本进行识别，获得未知信号的所属类别。
电子科技大学
2021-04-10
人工神经网络芯片的研发与产业化
随着机器学习与人工智能的发展，传统的CPU已经无法满足大规模神经网络训练的需要。在当前机器学习与神经网络的热潮下，美国互联网和IC巨头纷纷推出自己的神经网络/人工智能芯片，抢占这一未来市场。我们研发的神经网络/人工智能芯片可以验证多种深度学习算法及应用，具有完全自主知识产权，是将来可以挑战美国人工智能芯片领域的一个重要突破。
电子科技大学
2021-04-10