成果描述：结合我国节能农业和今后化肥生产滴灌肥的发展需要，本项目针对磷矿贫化及现有工业级磷铵生产过程存在的生产成本较高、产品质量不高等现状，以湿法磷酸为原料，化学法净化湿法磷酸为技术核心，以三效浓缩和稳态结晶生产高纯度工业级磷酸一铵为主产品导向实现磷资源高效利用，建设高纯度工业级磷酸一铵示范装置，实现工业MAP其纯度大于99%，磷收率大于75%的目标，增加磷元素附加值，具有较强的经济和社会效益，将对我国磷肥产业化解产能过剩，产品结构升级具有一定的带动示范效应，完全符合国家重点产业调整和振兴规划提出的方向和支持的重点。5万吨/年工业级MAP装置，现已安装完成，正在调试。市场前景分析：应用领域：湿法磷酸生产高浓度磷肥，急需新产品进行产业结构调整及升级的企业。 市场需求分析：目前我国基础磷复肥比重过大，产能严重过剩，市场竞争激烈，随磷矿贫化和物流成本增加，企业磷肥产品竞争力持续下降，走精细化发展（如生产工业级磷酸一铵）道路是企业产品结构调整，提升产品附加值的必由之路。湿法磷酸的梯级利用及净化生产各类高效磷肥符合磷酸盐以及磷复肥产业“做大、做强、做精”的要求，不仅是国家支持民族工业振兴、工业结构优化升级大局的要求、更是把资源优势转化为经济优势的重大而紧迫的任务。与同类成果相比的优势分析：国际先进

本成果围绕光伏并网系统电能质量展开。基于深度学习算法，研究谐波等电能质量指标变化规律，运用特征提取技术处理时序数据，实现电能质量预测。研发基于态势感知的电能质量调控装置，总谐波补偿率不小于 90%，补偿次数 2 - 50 次。成果形式包括研究报告、调控装置示范应用，申请发明专利 3 项，发表论文 3 篇。应用场景涵盖光伏电站、配电网等，可提升电网可靠性与经济性，减少设备损耗、优化调控策略、降低弃光率，为新能源消纳提供支撑。

产品概述： 中医脉诊实训教学系统采用仿生手臂来模拟真实的手臂结构，模型包含桡骨、尺骨、肘关节等骨性结构和标志。根据真实的成人上肢高仿真建模，采用硅胶外皮，手感逼真。内部含有智能控制电路，采用独有传感器模拟脉搏跳动，配合专业的三维虚拟仿真软件，为脉诊的实训提供了一种全新的实训方法。 一、软件功能： 1.1、认脉识脉：系统内置7大类模拟脉象，包含沉脉、迟脉、促脉、大脉、代脉、动脉、短脉、伏脉、浮脉、革脉、洪脉、滑脉、缓脉、疾脉、结脉、紧脉、芤脉、牢脉、平脉、平脉Ⅱ、濡脉、弱脉、散脉、涩脉、实脉、数脉等30余种单脉，还包含了浮脉相兼、沉脉相兼、迟脉相兼、实脉相兼等70余种复合脉象。 *1.2、脉诊认知：详细介绍了各个脉象的定义、鉴别、主病、脉机、应用举例、歌诀等知识。 1.3、脉象模式图：每种脉象都配备对应的脉象模式图和脉图以及脉象搏动周期、形态、浮中沉位置等，直观、形象展示脉象搏动情况。 1.4、一键返回：系统架构简洁明了，点击可返回主界面。 1.5、语音功能：针对详细注解内容，可以选取语音播报方式。 二、脉诊实训 2.1、开机检测：开机后系统可自动检测脉象设备的连接与故障情况。 2.2、脉诊原理的展示：通过模拟尺骨桡动脉的血液流动产生波动，在仿真手臂上动态形象的模拟脉搏形态。 2.3、脉诊部位：仿真手臂具有明显的桡骨茎突、肌腱等标志，可直接定位寸、关、尺的具体位置。 *2.4、正确脉诊部位的感知：手指放到正确的寸、关、尺的位置，系统可实时进行反馈感知，便于正确识别脉诊的位置。 *2.5、取脉力度：通过柱状图动态展示仿真手臂寸、关、尺三个部位取脉力度的大小，并可通过浮、中、沉、重沉四个取脉力度进行区分。 *2.6、系统可自动采集并获取用户当前取脉力度的大小。 *2.7、色块堆积：系统检测寸关尺三个部位的取脉力度，通过色块堆积的方式精准反应瞬间力度的变化。 *2.8、可对不同取脉力度的参数进行调节，可调范围为0-255。 *2.9、可自定义脉象的脉压、脉幅、频率，并配合仿真手臂来实现脉象的变化。 2.10、切脉周期：通过计算机控制脉搏的周期，详细模拟整个脉诊切脉时的时间和周期，同时脉象模式图与脉象保持同步、同频。 2.11、手臂解剖结构：可隐藏、显示三维手臂的皮肤、肌肉、神经、血管系统，以便了解手臂的解剖结构。 *2.12、三维透明功能：可调节三维手臂皮肤不同层次的透明度。 2.13、单臂硬件模型可实现左臂、右臂模式，可在系统中一键切换。 *2.14、系统内置理论试题与脉象实训试题，实训试题结合脉象模拟进行实训考核。 2.15、系统包含学生端、教师端、后台管理端。 三、考试管理功能参数 *3.1、教师端 考试管理：可以组织任意时间段的考试，设置考试时间并发布。 试卷管理：可以调用内置试题库系统自动组织生成试卷，也可以手动编辑试题组成试卷。 试题管理：可添加、删除试题，设置试题形式与分数。 学生管理：学生信息的导入和编辑管理。 考试结果：可实时记录每位考生的考试记录与信息。 智能分析：通过对考试结果的分析，方便教师掌握医学生实际学习状况。 *3.2、学生端 考试模式设置：可以接收考试提醒，实时进行考试。 实时提交：分主动提交和自动提交两种形式，实时显示考核结果并记录进个人中心，方便查看。 实训考核：基于计算机互联技术配合仿真手臂模拟脉象进行脉诊考核。 3.3、个人中心 个人考试记录：可查看脉诊理论考核与脉象考核记录详情，方便进行针对性的练习。 个人注册登录：登录个人账号可通过日历进行个人相关信息查询或学习。 个人设置：可以针对性的进行个性化设置。 四、硬件参数 4.1、多功能一体台车：符合人体工程学设计的一体台车，台车尺寸（长宽高）:110CM*60CM*77CM。 4.2、电脑一键进行开机，启动带有灯光提示，可旋转屏幕支架。 4.3、电脑配置：intel i5处理器、 8G 内存、 SSD高速固态硬盘、支持高清输出、双频WiFi网卡、24寸高清显示器。 4.4、高仿真脉诊模型一个。采用高仿真材质一体成型，手感真实，有尺骨、桡骨、肌腱、腕横纹、掌纹等骨性和体表标志。 4.5、脉枕一个。 4.6、仿真皮肤护理粉一盒。

清华大学美术学院视觉传达设计系向帆团队运用数据可视化技术，开发了精准、及时向公众传达疫情信息的移动终端平台。除了可以第一时间了解全国各省市新冠肺炎患者的增量、总数外，公众还可以通过这个平台对相关信息进行时间维度和空间维度的对比，进而提升自身对信息的认知度、理解度和解释度。疫情流图可视化设计的形式，是一个从左向右发展的时间结构。每个省的当日确诊病例数量是一条曲线，每条曲线的垂直高度随同当日国家发布的数据变化。曲线的外轮廓高低起伏的状态可以清晰地呈现出新增病例数量的变化，并突出那些疫情严重的地区。每日流图的生成、发布和讨论，逐渐成为一种开放数据、动态传播和公共参与的实验，让更多人愿意阅读数据、理解数据。可视化设计在参与人文研究时，它本身的领域将会被拓展。随着每日数据的注入，流图的形式本身已经超出了静态表达时间的实践功能，流动的力量正驱动着我们看向疫情的终点。实时、交互的圈层图反映了各地疫情的相对程度，每一个省的城市，都集合在一个圆圈里。每一个城市的新冠肺炎确诊病例总量定义着圆圈的大小，它们紧紧地被省级圆圈包裹着，被中国和世界包围着。每个城市的位置，根据容器图的算法，按照空间面积自动分配。

完成团队简介：高岭教授及其领导的科研团队长期以来致力于信息科学领域的研究工作，主要围绕计算机网络基础理论、网络安全与管理、网络流量与性能分析，以及嵌入式Internet服务、网络应用服务、教育信息化、远程教育和教育技术等领域开展相应的研究工作。先后在国内外学术刊物上发表论文100余篇，其中SCI、EI 、ISTP检索30余篇；教学科研成果多次获陕西省、西安市等颁发的优秀成果奖；主持国家自然科学基金项目、国家科技支撑计划项目课题、陕西省“13115”重大科技创新工程公共服务平台建设项目等20余项国家、省部级科研项目。   现代服务业安全服务支撑平台层次结构 成果内容：研究团队通过集成网络管理、云计算、移动计算等技术，研发具有自主知识产权的“现代服务业安全网络支撑平台”，构建一个安全、稳定、可靠的网络环境，解决当前服务业支撑环境安全和服务质量等难以保证等问题，适用于各类复杂网络环境，易于向云计算架构移植，同时支持移动终端接入的解决方案。 现代服务业安全网络支撑平台的关键技术包括支持多标准跨平台的一体化漏洞检测技术、 安全网络环境主动构建技术、漏洞安全服务个性化定制技术、支持多源关联的网络态势评估技术、 Hadoop云计算海量日志深度分析技术、自适应移动服务访问技术。团队在关键技术的研究基础上研发一套安全监控服务平台系统，并发表相应的学术论文和申报国家科技发明专利。 成果成熟度：中试产品阶段（已解决关键技术，需要合作进行产业化攻关）。 预期成果收益：需要投入210万元对于平台进行改版设计及性能优化，更好面向移动服务市场。按照目前漏洞扫描及安全评测的市场价格测算，重点针对企事业单位的安全环境，以每套30万或者安全检测服务费计算，预期在达到年销售600万的销售收入。

本项目通过创新数据获取方法、创新区块 链性能分阶段评估指标，建立了耦合度较低的 后端数据获取、云端数据处理、前端数据可视 化的性能评估平台原型

将计算机自然语言处理方法和生物本体学方法结合起来，发展一套面向生物医学文献的数据挖掘技术，建立了一个文献挖掘平台。该平台可以对生物医学文献进行数据挖掘，发现隐含在文献中的生物学实体及其联系，发现深层次的生物医学知识，自动获取大量的第一手生物医学数据。例如，挖掘与人类基因相关的信息，挖掘蛋白质相关信息，发现基因的功能，发现基因与疾病之间，发现蛋白质之间的相互作用等。/line对于一组给定的文献，该平台首先进行句法分析和生物学术语标定，然后进行语义分析，提炼每条语句的生物学含义，提取文献中的生物医学关联特性，以发现文献中的基因、蛋白质、疾病以及它们的关系。

2019年 9月3日，浙江大学医学院附属妇产科医院联合中国移动杭州分公司打造的5G+VR新生儿远程探视平台正式上线。浙江大学医学院附属妇产科医院和中国移动杭州分公司合作，结合4k全景VR视频直播研发的面向5G的智慧医疗方案，以VR技术将实施画面上传至服务器管理平台，通过5G网络推流至VR一体机设备、手持平板以及高清电视屏等终端设备。由于医院感染控制的要求，一般情况下，患儿家长在规定时间内才能听到医生对患儿的病情介绍。家属实时探视，一直是医院的难题。VR新生儿探视平台的使用，让探视者仿佛置身于患儿身边，可以观察孩子实时状况，并且，家长可以清楚地听到医生孩子病情的详细介绍，有效缓解家属的紧张焦虑情绪。VR 远程系统同样可适用于医疗示教与远程诊疗，在实时手术示教过程中，通过VR眼镜可以清晰地看到手术的细节过程，与手术医生相同的视角，受教者如同亲自“主刀”的感觉，实现医术观摩交流现场教学效果。基于5G高度带宽、低时延与医疗领域应用特点的高度契合性，依托中国移动5G网络高速率低延迟优势特点，实现高清且超低时质量的音视频传输，杭州移动相继打造省内数个5G远程医疗应用之后，持续深挖医疗行业5G智能应用，全面推进互联网+智慧医院服务应用，努力提升患者就医体验，促进优质医疗资源下沉，提高医疗服务效能。未来，在全新的战略合作框架内，将在全方位服务医院的医生员工、服务医院的合作伙伴、服务医院的5G信息化发展等各方面，推进更大范围、更深程度、更高标准的合作协同。原文：http://www.womanhospital.cn/contents/79/6317.html

近日，南科大“人流大数据和AI驱动的新型冠状病毒（COVID-19）传播建模预测和模拟推演平台”内测版本正式推出（下简称“推演平台”）。该平台可实现在城市尺度上，基于人流移动的新型冠状病毒传播感染情况的细粒度预测和模拟，为有关部门制定不同的隔离和公共防疫政策（如封闭特定城市区域或道路）提供参考。新型冠状病毒的感染传播与人流移动存在密不可分的关联。现阶段的多数研究只停留在简单的相关性分析以及基于全国地图的数据可视化阶段，缺乏在城市尺度上、针对人流移动的细粒度深度分析，更缺乏基于人流移动的传播模拟推演模型以及潜在感染源和风险区域的挖掘模型。随着复工潮的来临，战“疫”面临新的挑战。南方科技大学科研部、工学院、计算机科学与工程系（下简称“计算机系”）和南方科技大学-东京大学超智慧城市联合研究中心紧急组织科研力量，成立“新型冠状病毒传播建模预测项目组”，由计算机系副教授宋轩担任负责人，迅速启动针对新型冠状病毒传播感染的“大数据分析和AI建模推演平台”研发工作。该平台是一个针对新型冠状病毒传播的大数据分析和AI建模平台（如图1），其中预测和模拟推演模型完全由数据驱动，需要使用人流大数据进行训练和优化。数据拥有单位只要将人流大数据输入平台，平台即可以自动完成模型迭代训练，并输出相关的预测和模拟推演的可视化结果。其预测和模拟推演的精度由模型训练数据的质量、精细度和覆盖度决定。平台后续期待更多单位（如GPS轨迹数据、CDR数据等人流大数据拥有单位）参与进来，共同完善该平台。推演平台通过整合、处理和分析各类多模态人流移动和出行大数据，结合新一代的人工智能技术，完成对新型冠状病毒的传播和感染人群细粒度建模，从而实现在城市区域内细粒度预测、模拟和动态推演传播感染情况。平台可实现的基本功能主要有以下几个方面：一是建立新型冠状病毒和人流移动的映射模型，包括传染概率确定/潜伏期分析/传染代数分析等；二是分析隐藏病患，由于疾病传播为链式，可以根据缺失轨迹链反推出尚未确诊的疑似病患；三是分析风险人群，可根据病患轨迹寻找可能有接触的风险人群，提前预警；四是挖掘潜在病原地，分析病人间的轨迹交叉点确认潜在的未知病原地（如图3）。在以上功能基础上，平台可以实现设定不同的公共防疫政策（如封闭城市内的高风险感染区域），在城市尺度上，动态推演和模拟在这些政策下的城市传播感染情况，从而帮助相关部门制定更为高效的隔离和公共防疫政策（如图4）。

提供了基于移动互联网及云计算技术的跨区域多机构整合急救资源协同救治的医疗信息共享平台，具有以下几大功能:基于 FMC-D 时间的智能转运决策辅助、系统内医疗单元 通讯、系统内医疗单元信息共享及 PCI 医院介入影像质控管理。系统分为医疗单元终端(包 括 EMS 终端、非 PCI 医院终端及 PCI 医院终端)和云计算服务端两部分，通过 3G/4G 无线 互联进行数据交换处理。急救车客户端考虑到用户的操作体验，采用基于 Android 系统进行 开发。云计算服务端处理中心部署在云服务器上，按照 SOA 架构的理念进行框架设计，依 托于数据仓库对业务数据进行深度挖掘分析。本系统的特色包括: 体系结构设计以时间轴为中心。时间轴是描述 AMI 患者救治流程的关键事件时间节 点的集合，如:呼叫 EMS 时间，EMS 响应时间，急救车到达时间，首次胸痛发作时间，本 次胸痛发作时间，EMS 首份心电图时间，等。通过对上述关键事件时间节点的统计、分析 通过资源合理调配、辅助决策支持等方式提高针对 AMI 的救治效率。 智能推荐技术。该推荐主要基于以下信息:1，实时的医院医疗资源信息(如床位资 源、医生资源、手术资源等);2，地理位置信息，主要是权衡道路拥堵情况以及距目标医院 距离信息;3，救治能力，主要指通过救治流程中产生的历史数据挖掘分析衡量 PCI 医院救 治能力的信息。 大规模的支持。急救车客户端考虑到用户的操作体验，采用基于Android系统进行开发。 云计算服务端处理中心部署在云服务器上，按照 SOA 架构以及基于 XMPP(Jabber)协议通信 机制的开源架构的理念进行框架设计，依托于数据仓库对业务数据进行深度挖掘分析。在北京 等地的实践表明该系统具有支持区域内多 PCI 医院，多非 PCI 医疗机构，多 EMS 机构并发协 同救治的流程以及流程中产生的 PB 级的数据。在一套完整、独立的 RCTS-AMI 系统内，预计 500-800 家 PCI 以及非医院，12 万台终端，2000-2500 位医生可以使用本系统。