XM-618A运动神经元模型   XM-618A运动神经元模型由神经元胞体和神经纤维在电子显微镜下的放大结构2个部件组成，并显示神经细胞轴丘、树突、尼氏体、神经丝、髓鞘板层、雪旺细胞、朗飞结以及微管等结构。 尺寸：放大2500倍，30×42×12cm 材质：PVC材料

本发明公开了一种深部巷道软弱煤岩松动圈厚度的计算方法及应用该方法的测量装置，该算法包括以下步骤：(1)定义测点的初始位置距巷道表面的距离为r，测点的位移为u，所述测点在深部巷道软弱煤岩钻孔中并位于松动圈范围内，构建如下u随r变化的表达式：其中，u0、k1和k2为系数；(2)测量两个以上测点的u随r变化的过程，计算得出k1和k2的值；(3)将得出的k1和k2的值带入如下公式，计算得出深部巷道软弱煤岩松动圈厚度L的值：L＝?k2ln(20k2/k1)。本发明计算方法简单、合理，容易实施，而且计算准确度高

（一）项目背景 空天地一体化信息网络是“科技创新 2030 重大项目”，它将融合多个独立低轨道卫星星座与地面网络，构成综合互联网，提供全球移动通信与互联网业务。其重要特征在于为天基、空基、海基、偏远地域用户提供通信与算力服务，为地面移动通信系统及互联网提供承载服务，为森林、江河、路轨、电力传输的安全运维提供物联网服务。路由器是空天地一体化信息网络的关键部件，为网络资源的高效调度、业务的精准部署提供支撑。 面临的挑战之一是：高资源利用率与高服务质量之间的矛盾。作为网络基础设施，该网络须提供与地面网络相比拟的服务质量，让天基、空基、海基、偏远地域用户愿意使用，提升网络用户量。同时，网络的资源利用率高，降低网络的建造与运维成本，支持网络的自我发展。空天地一体化信息网络与地面网络差异较大，直接应用地面网络路由技术，网络的资源 -15- 利用率与 QoS 保障水平均会下降，基于此，提出了空天地一体化网络时间确定网络路由器解决方案，旨在解决高资源利用率与高服务质量之间的矛盾，在大规模动态网络中保障业务时延，该方案亦适用于断续连通网络，且与 Ipv6 网络兼容。该技术为大规模时间确定网络的构建提供理论与技术支撑。 （二）项目简介 面向空天地一体化网络，针对传统路由技术难以兼顾高资源利用率与高服务质量的问题，探索其背后的科学问题，提出了空天地一体化网络时间确定网络路由器解决方案，研制了星载路由器原理样机。主要部件及性能如下所述。  1）提出具有时间属性的路由算法。在网络表征中引入了时间属性，设计了具有时间属性的路由算法，解决了传统路由算法缺乏时间属性，易造成网络拥塞和分组丢失，时间确定性难保障；  2）提出了基于传输资源与存储资源关联调度方法，适应业务随机性与卫星网络拓扑的时变性出提出了表征网络时变特征； 3）设计了自适应拓扑发现与维护机制，能以较低负荷维护网络时变拓扑信息； 4）提出了低负荷的移动管理机制，避免卫星移动引入的大量移动管理负荷，保障了服务时延； 5）提出了基于时间属性的数据面转发方法，保障敏感业务传输的同时，提升了网络资源利用率； 6）提出 DTN 网络与 IP 网络兼容方案，支持断续连通网络路由构建与分组的托管传输； 7）研制了时间确定网络路由器原理样机，支持相关算法与协议的在线验证； 8）开发了大规模空天地一体化网络链路模拟系统，在线模拟网络时变链路，支持路由器、路由协议在规模化的网络环境中验证。 （三）关键技术 时变网络多维资源的图模型表征与多维资源联合调度技术。课题组拓展了时变图理论，解决了传输资源与存储资源的关联调度问题，提升了传输资源利用率；设计了基于时间属性的路由算法，在时变的天地一体化网络中，构建了具有时间属性的端到端路径，解决了传统路由技术难以保障端到端时延的问题。

（一）项目背景 空天地一体化信息网络是“科技创新 2030 重大项目”，它 将融合多个独立低轨道卫星星座与地面网络，构成综合互联网，提供全球移动通信与互联网业务。其重要特征在于为天基、空基、海基、偏远地域用户提供通信与算力服务，为地面移动通信系统及互联网提供承载服务，为森林、江河、路轨、电力传输的安全运维提供物联网服务。路由器是空天地一体化信息网络的关键部件，为网络资源的高效调度、业务的精准部署提供支撑。 面临的挑战之一是：高资源利用率与高服务质量之间的矛盾。作为网络基础设施，该网络须提供与地面网络相比拟的服务质量，让天基、空基、海基、偏远地域用户愿意使用，提升网络用户量。同时，网络的资源利用率高，降低网络的建造与运维成本，支持网络的自我发展。空天地一体化信息网络与地面网络差异较大，直接应用地面网络路由技术，网络的资源利用率与 QoS 保障水平均会下降，基于此，提出了空天地一体化网络时间确定网络路由器解决方案，旨在解决高资源利用率与高服务质量之间的矛盾，在大规模动态网络中保障业务时延，该方案亦适用于断续连通网络，且与 Ipv6 网络兼容。该技术为大规模时间确定网络的构建提供理论与技术支撑。 （二）项目简介 面向空天地一体化网络，针对传统路由技术难以兼顾高资源利用率与高服务质量的问题，探索其背后的科学问题，提出了空天地一体化网络时间确定网络路由器解决方案，研制了星载路由器原理样机。主要部件及性能如下所述。 1）提出具有时间属性的路由算法。在网络表征中引入了时间属性，设计了具有时间属性的路由算法，解决了传统路由算法缺乏时间属性，易造成网络拥塞和分组丢失，时间确定性难保障； 2）提出了基于传输资源与存储资源关联调度方法，适应业务随机性与卫星网络拓扑的时变性出提出了表征网络时变特征； 3）设计了自适应拓扑发现与维护机制，能以较低负荷维护网络时变拓扑信息； 4）提出了低负荷的移动管理机制，避免卫星移动引入的大量移动管理负荷，保障了服务时延； 5）提出了基于时间属性的数据面转发方法，保障敏感业务传输的同时，提升了网络资源利用率； 6）提出 DTN 网络与 IP 网络兼容方案，支持断续连通网络路由构建与分组的托管传输； 7）研制了时间确定网络路由器原理样机，支持相关算法与协议的在线验证； 8）开发了大规模空天地一体化网络链路模拟系统，在线模拟网络时变链路，支持路由器、路由协议在规模化的网络环境中验证。 路由器、链路模拟器及路由协议验证界面 （三）关键技术 时变网络多维资源的图模型表征与多维资源联合调度技术。课题组拓展了时变图理论，解决了传输资源与存储资源的关联调度问题，提升了传输资源利用率；设计了基于时间属性的路由算法，在时变的天地一体化网络中，构建了具有时间属性的端到端路径，解决了传统路由技术难以保障端到端时延的问题。

结果发现，对视频材料的偏爱与学生-示范者之间的左侧颞叶脑间同步有关；相比前期，这种相关性在观看后期更强；脑同步可区别，甚至预测学生对视频材料的偏好程度。这些实验结果表明：一个视频材料之所以受学生喜欢，是因为这个材料更容易导致学生-示范者的大脑同步；学生较早感兴趣于视频材料所呈现的内容，则可预测接下来的视频内容；一旦预期得到验证，就给人带来一种愉悦感。也就是说，好听、好看的视频材料，其原因是众多观众与示范者的“不谋而合”与“大脑共鸣”。此外，研究团队还原了具有高生态效度的师生互动教学场景，教师面对面地向学生教授知识（心理学领域）；设计了两类教学方式：一类是教师逐步提供难度渐进的问题，引导学生自己解决问题，这称为支架式教学；另一类是教师提供一些信息，诠释重要的术语、概念和原理，这被称为解释性教学。在两类教学活动中，研究者也采用近红外脑成像技术，全程同步采集师生两个人的大脑活动。 结果发现，师生间大脑活动在教学过程中趋向同步；这种师生脑同步依赖于教师使用的教学策略；这就是，当教师采用支架式教学时，其与学生的脑同步，比解释性教学时更强；这种增强的师生脑同步，可预测学生的学习表现。 为了厘清师生脑同步和具体教学行为之间的关系，研究者用视频编码技术，发现了师生脑同步的增强与教师采用的支架行为有关（如询问引导性问题，提供暗示等）；但是，当教师执行解释行为（如提供定义或澄清概念等）时，师生脑同步则比较弱。基于这些结果，研究建议：教师在教学活动中，除了要进行必要的概念解释外，可以提出一些由易到难的问题，帮助学生思考所学内容及其关系；这些问题因人而异时，效果最好。

天津大学医学工程与转化医学研究院与中国电子信息产业集团中电云脑（天津）科技有限公司合作，充分发挥国家健康医疗大数据试点工程天津“云脑”中心自身的大数据平台及计算技术优势，连日来针对疫情发现、分析和预警技术，以及远程诊疗方案取得多项重要成果。据悉，作为健康医疗大数据国家研究院、智能医学工程教育部工程研究中心的依托建设单位，天津大学与中国电子信息产业集团于2017年联手组建国家健康医疗大数据试点工程天津“云脑”中心，中心现已搭建起医疗大数据服务云脑平台，开展医疗数据的远程收集、处理工作，并研发了面向医疗大数据的优化处理和利用技术。在疫情预测预警方面，基于国家相关部门发布的经济行为、人口分布及迁徙等统计数据，集合当前的疫情病例数据，应用人工智能和科学计算技术，“云脑”重点实现了：城市人口流动输入性疫情预警：以日为周期监测城市流入人口的数量、来源分布以及来源城市疫情状况，对各市的输入性疫情进行预测和预警；城市疫情预警：融合经济数据、疫情状况、人口流动分布以及病毒感染特点对未来一周的疫情进行预警；疫情状况与经济行为指数相关度追踪：基于政府部门发布的经济相关数据，分析经济行为与疫情的相关程度，为政府相关部门开展疫情防控工作提供科学参考数据。天津“云脑”在面向新冠肺炎的远程诊疗方面已准备就绪，即将进入临床测试阶段。“云上诊室”基于物联网、远程通信、大数据等技术手段，实时将来自医疗科室、影像科的新冠肺炎患者的诊疗数据经由高速网络同步传输到会诊中心，并可向医疗系统共享疫情医疗数据，集合呼吸科、感染科、内科、重症医学科、反射科等专家进行网络会诊，进而实现专家与病患、专家与医务人员之间异地“面对面”的互动，减少院内聚集性感染，缓解疫情下紧张的医疗资源，为疑似病患提供就诊空间，为确诊患者争取救治时间。“云上诊室”相关成果将用于：远程影像诊断：构建实用高效、稳定可靠的远程医疗影像服务平台，存储区域内的影像资料索引信息，并能够直接调用新冠肺炎的患者信息与CT等影像诊断报告；远程重症监护：实时在线监护新冠肺炎病患信息、影像、视频资料，并通过线上会诊室，对病患出具诊断治疗指导意见；新冠肺炎智能辅助诊断：实时采集病患的生理数据，构建针对新冠肺炎的数据病例库，利用机器学习等技术，辅助临床诊断；提供第三方对接标准接口：为多媒体设备、应用、网络平台等提供第三方的对接标准接口，实现可扩展、模块化。

本研究根据90％脑神经功能正常的人在短时间闭眼后脑电（EEG）中alpha（α）波幅均可明显增强这一普适特征，设计了一套简便易行的基于脑电α波的脑-机接口系统。该系统仅需在操作者头后部放两个脑电检测电极，短暂训练就可以快速而可靠地控制外接机电装置运行开关，还可以扩展为多选项实时控制系统。搭建了闭眼alpha波控制系统，引入开关抑制模块减少误控制，实现了对单个开关的快速可靠控制，经10名操作者试验，激活开关平均时间为2.4秒、平均错误率3％，进一步开发设计了基于计算机LabVIEW平台显示的循环灯选择系统，利用α波控制单个开关的功能，通过四灯循环作为指示菜单，实现了四个目标的α波控制选择。经5名操作者试验，证实每个受试者均只需少数训练时程即可达到10%或更低的错误率。设计了α波机器人控制系统以实现α波对服务机器人的实时控制。经5名操作者参加连续25次随机方向控制实验，平均正确率达到91.2％，再次证实本研究设计的α波的脑-机接口系统进行多选项控制的可实现性和潜在应用价值。如实现系统集成化和便携化，配置适当的控制显示面板，可望进一步开发出专供那些患有全身性重症瘫痪但头脑功能正常的残疾人使用的新型助残轮椅等产品。

基于SSVEP与OSP的混合脑-机接口方法，受试者穿戴好电极帽，将SSVEP-OSP混合范式通过计算机屏幕在受试者面前播放，受试者注视刺激单元中的任意一个，通过采集系统将受试者盯视刺激目标时产生的脑电信号，经脑电采集仪放大、滤波及模数转换后，将数字化的脑电数据输入计算机，然后采用基于典型相关分析的脑电信号特征提取方法对SSVEP特征实现提取及分类识别

开放环境下的网络化复杂系统具有规模大、不确定性高、状态空间不规则的特点。针对此类广泛存在的复杂系统的决策问题，传统方法难以进行统一建模实现智能推理和决策。本项目研究基于开放域知识图谱的类脑决策方法，并推进其在实际场景中的应用。

成果简介：本脑电采集系统利用专用的集成化生物电势测量芯片实现前端模拟信号的调理，具有低噪声、多采样率和高精度的特点，其内置高共模抑制 比且增益可调的放大电路，降低了设备的尺寸和硬件成本。同时，开放式的 CPCI总线提高了系统的可拓展性和灵活性，支持单个或多个板卡同时采集。 每个板卡最多可采集 16 导联的脑电信号，设备支持 4 个板卡共 64 导联脑电 信号同时采集，也可根据需要进一步升级为