|
搜索
搜 索
高等教育领域数字化综合服务平台
生物多样性查询系统
基于WINDOWS系统平台定制开发，实现通过触摸屏互动控制；具有独立的用户登录系统，保证资源的安全性；物种分类：查询系统根据展馆的展区分布，设置物种的分类；具体物种：显示指定分类的标本列表，查询具体动物科普信息，包括学名、科属、图片、视频、保护级别、分布情况、生活习性等；语音功能：可以语音播放介绍文字，通过听觉去了解物种的科普信息；
福建恒达教育装备工程有限公司
2022-05-30
生物组织自动脱水机
产品详细介绍ATP-700型 电脑全自动组织脱水机 Tissue Processor
主要特性：
● 可同时运动两个吊篮，每个吊篮可执行不同的程序，满足大小标本分开处理的要求，提高了不同组织的脱水效果，是目前全球独创的新产品。
● 电磁铁能够按照所设定的程序移动吊篮，进入下一缸。
● 遇卡保护：若吊篮在运行过程中，进入液缸时遇到障碍物，不能进入液缸，吊篮回到保护缸，避免组织报废。
● 自适应盖板，配合复式密封垫，可使缸盖密封性能良好，减少液体挥发。
● 模具成型有机玻璃罩配合密封条，双层活性炭过滤，保证室内空气不受污染。
● 大屏幕液晶显示屏使操作一目了然。
● 运行时可任意插入手动功能，调整脱水时间，改善脱水效果。
● 自动运行延时功能，延时范围0-48小时。
● 外置UPS保护组织在停电状态下不被损坏，主要是为了防止组织吊在空中风干或者长时间停在100%乙醇或二甲苯中被损坏。
● 停电保护功能: 当停电时吊篮将回到液缸中,来电后吊篮将接着原来的程序运行。亦可配置大功率电池,保证在停电情况下,程序一次性完成。
技术参数：
● 液缸数量:10只试剂缸,4只蜡缸
● 液缸容积:1300ml 可放置72个标准包埋盒
● 一次性处理量：144个标准包埋盒
● 每缸停留时间：1分钟—23小时59分钟
● 起缸停留时间：30秒
● 温度控制：55℃—70℃
● 温度误差：±1℃
● 搅拌：两个吊篮每隔五分钟轮流搅拌
● 电源：220V±10% 50/60HZ或110V±10% 50/60Hz
● 功率：600W
● 外表尺寸：1215×475×550mm（长X宽X高）
● 重量：70kg
常州市郝思琳医用仪器有限公司
2021-08-23
初中物理、地理、生物动态片
产品详细介绍
北京教育幻灯出版公司
2021-08-23
智联生物安全柜
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。
青岛海尔生物医疗股份有限公司
2022-09-08
生物观察实验室设备
产品详细介绍
深圳长海现代实验室设备有限公司
2021-08-23
微生物有机肥
微生物活体制剂，含有多种植物生长有益微生物，能够产生多种拮抗物质，抑制土壤病原菌，可有效抑制线虫和其它病虫害的传播与发生；促进植物根系发育、生长；降解土壤有机物料，降低重茬障碍；改善土壤结构、板结等，提高植物有益微生物种群数量，形成有益植物生长的土壤微生物种群结构。
山东凯翔生物科技股份有限公司
2021-09-09
生物降解-水溶膜
山东森工新材料科技有限公司
2021-09-02
生物活毒废水系统
于生物制药生产废水中通常含有病原性微生物，杀死病原体后才能排放到污水处理系统中，沃恩专门研制出一套生物灭活处理系统，该系统通过持续稳定的高温使细菌的菌体变性或凝固酶失去活性而使细菌死亡，病菌在高温下DNA、RN的化学吸收热量导致键断裂，从而灭活。本系统采用序批次处理方式，配有一个收集罐和两个或两个以上的灭活罐，通过间歇式方式运行，确保使用过程中的节能环保，系统可靠性高；另外整个系统采用智能化控制，能够实现无人值守，全自动运行，并已在实际项目中取得显著效果。
长沙沃恩环保科技有限公司
2022-07-01
两部门关于开展高性能生物反应器创新任务揭榜挂帅工作的通知
高性能生物反应器创新任务揭榜挂帅。
工信部
2025-06-05
新冠肺炎影像学AI智能辅助诊断研究
“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。
复旦大学
2021-04-10