电液便器节水控制装置的研究设计，对于节约用水，减少污水,保护环境,预防疾病传染等方面都具有重大意义，将创造出巨大的经济效益和社会效益。本项目于1999.10.9被中国知识产权局授予专利权。本装置的先进性在于：1.可把大小便冲水按最佳用量控制供给，避免了大小便冲水用量相同造成的浪费.使用该装置,人均每天可节水20--30kg,全国年可节约用水数十亿吨，减少数

研发阶段/n（1）采用BHIA培养基从患病鱼体病灶处（或者从肝、脾、肾、腹水）分离病原菌，在初培养的基础，挑取单个菌落进行纯培养并快速鉴定其种类。（2）将分离菌株接种在盛有适宜的培养基的平板中，采用药物纸片检测分离菌株的药物敏感性，确定分离菌株的药物敏感谱。（3）参照日本化学疗法学会的试管法，在药物系列试管中测定抗生素类药物对分离致病菌的抑、杀菌浓度，根据不同种类的抗生素类药物对分离菌株的最小抑菌浓度（MIC）的大小，选择治疗疾病的适宜药物种类和剂量用药。应用前景：适用于全国各地的海、淡水水产养殖区

肽是人体中最必不可少的成分，是人体一切活性物质的存在形式。因此，通过在特定条件下形成具有确定结构特征的多肽聚集体的多肽组装技术，在生物医药领域具有良好的应用前景。

本项目通过收集本院耳鼻喉科6066张正常人、分泌性中耳炎、急性化脓性中耳炎活动期及化脓性中耳炎静止期耳内镜图像。 一、项目进展 创意计划阶段 二、负责人及成员 姓名 学院/所学专业 入学/毕业时间 徐倩慧 中山大学医学院 2017.09~2022.06 童钊鹏 中山大学孙逸仙纪念医院 2021.09~ 三、指导教师 姓名 学院/所学专业 职务/职称 研究方向 蔡跃新 中山大学孙逸仙纪念医院 副主任医师 耳鼻喉头颈外科 四、项目简介 本项目通过收集本院耳鼻喉科6066张正常人、分泌性中耳炎、急性化脓性中耳炎活动期及化脓性中耳炎静止期耳内镜图像。通过模仿医生诊断的注意力机制，将获取局部关键特征的局部分类器与获取全局特征的主分类器有机结合，构成深度学习的主框架。通过计算AUC等统计学指标来评估模型的性能，并与两位副主任医师、两位主治医师进行人机对比来进一步评估模型的性能，同时通过热图显示深度学习模型在耳内镜图像不同区域的权重，以判断深度学习关注的区域是否与临床医师一致。该深度学习模型可获得整体93.4%的准确率，区分正常人与分泌性中耳炎的AUC为0.99，而区分化脓性中耳炎活动期与静止期的AUC为0.94.模型的准确率要高于两位主治医师，达到副主任医师的水平，同时热图显示深度学习模型定义的关键区域恰好是临床医生做诊断的区域，如化脓性中耳炎鼓膜穿孔区域，分泌性中耳炎的光锥区域。同时，同时，本项目还将深度学习模型的技术落地，自主研发出研发便携式可拍摄与自动诊断的耳镜设备。

项目成果/简介:本发明公开了一种二维码的风险预警方法,其特征是按如下步骤进行:1,生成溯源码;2,生成前缀码;3生成Y位验证码;4将溯源码,前缀码和Y位验证码存入防伪数据库中,并将溯源码和前缀码进行合并后利用条码生成器生成初始二维码;将Y位验证码嵌入初始二维码的中间位置,从而形成二维码.本发明能够快速,稳定的生成大量具有高防伪性,难以被仿造的二维码,从而有效保证二维码的唯一性,防止被复制或者重复使用.

本发明公开了一种二维码的风险预警方法,其特征是按如下步骤进行:1,生成溯源码;2,生成前缀码;3生成Y位验证码;4将溯源码,前缀码和Y位验证码存入防伪数据库中,并将溯源码和前缀码进行合并后利用条码生成器生成初始二维码;将Y位验证码嵌入初始二维码的中间位置,从而形成二维码.本发明能够快速,稳定的生成大量具有高防伪性,难以被仿造的二维码,从而有效保证二维码的唯一性,防止被复制或者重复使用.

《科学·进展》（Science Advances）在线刊登了清华大学水利系杨大文教授课题组题为“青藏高原多年冻土融化的碳排放风险（ Permafrost thawing puts the frozen carbon at risk over the Tibetan Plateau）”的研究论文。这是该课题组近年连续在专业领军期刊发表多项关于青藏高原冻土变化的研究成果后，在青藏高原冻土变化对土壤有机碳的影响与潜在风险评估方面的又一重要研究进展。 北半球分布的多年冻土面积约占北半球陆表面积的1/4，其中环北极多年冻土区储存着大量土壤有机碳，约为当前大气中碳储量的二倍。近年来，随着气温升高与冻土退化，原本冻结在多年冻土层中的土壤有机碳，通过微生物分解以CO2、CH4等形式释放到大气当中，这些温室气体反馈到大气进一步加剧气温升高与冻土退化，形成冻土-气候的正反馈效应。青藏高原地区分布着环北极地区以外最大范围的多年冻土，有地球“第三极”之称。青藏高原多年冻土区储存的土壤有机碳可能成为气候变化背景下的潜在碳源，而这些冻土碳的空间分布尚不明晰，融化风险也亟待评估。基准期(2006-2015年)多年冻土活动层厚度与表层(0-3m)土壤有机碳分布杨大文教授团队整合青藏高原地区最新的冻土与土壤碳观测数据，模拟了青藏高原多年冻土与活动层厚度分布，基于数据驱动的机器学习方法得到青藏高原冻土碳空间分布信息，估算了青藏高原冻土有机碳的储量。结果表明，青藏高原土壤有机碳总储量约为50.43 Pg，其中37.21 Pg在当前气候条件下常年位于冻结的多年冻土层中。这一成果填补了全球已有冻土碳数据中关于青藏高原地区冻土碳分布状况的空白。不同排放情景下未来青藏高原融化冻土有机碳的变化预测该研究还首次评估了升温背景下青藏高原冻土有机碳释放对区域碳循环的潜在影响。随着气候变暖，至本世纪末青藏高原多年冻土层中储存的土壤有机碳约22.2-45.4%将发生融化，这一融化量可在相当程度上抵消了生物群系净固碳量，从而极大地增加了青藏高原多年冻土区从碳汇转变为碳源的风险。其中，3m以下深层冻土中有机碳融化量占冻土碳总融化量的比例高达29.6-46.2%，这一结果凸显了青藏高原地区深层冻土碳的重要性，弥补了现有研究仅关注浅层（0-3m）冻土碳释放的不足，为评估气候变化背景下冻土融化对区域乃至全球碳循环的影响提供了新思路。清华大学水利系博士生王泰华为论文第一作者，杨大文教授、杨雨亭副教授为共同通讯作者，合作者包括北京大学朴世龙教授、中国科学院青藏高原研究所李新研究员、中国科学院寒区旱区环境与工程研究所程国栋院士和中国科学院生态环境研究中心傅伯杰院士。该研究工作得到了国家自然科学基金、中科院战略性先导科技专项等项目资助。原文链接：https://advances.sciencemag.org/content/6/19/eaaz3513

本发明公开了一种多层次地铁运营安全风险测量方法，包括：运用因子分析法选取地铁运营风险评价指标，确定各指标的计算赋值方法，建立车站层级?线路层级?线网层级多层次风险评价指标体系，运用LEC评价法对地铁车站进行风险进行测量评价，再运用基于可拓理论的风险评价模型分别对车站层级、线路层级、线网层级进行评价，判断整体对象和单个指标所处的安全状态，为风险管控工作提供指导作用，克服目前安全风险评价过程中评价内容分散、服务的对象不明确、评价结果片面等问题，实现对地铁运营微观、中观、宏观的安全风险评价，提升风险评价方法的准确性、有效性、可操作性。