XM-614大脑分叶模型   XM-614大脑分叶模型可拆分为2部件，大脑作正中矢状切面，左侧大脑半球作水平切面，并剖开颞叶显示间脑，小脑作矢状剖面，按不同功能部位进行定位，并用颜色加以区别。 尺寸：自然大，21.5×17×14cm 材质：PVC材料

XM-605A头解剖附脑动脉模型   XM-605A头解剖附脑动脉模型可拆分为10部件，显示颅内的脑结构，包括颅底、大脑半球、间脑、小脑、脑干、中脑、脑桥、延髓各个部分以及脑神经和脑血管等结构。 尺寸：自然大 材质：PVC材料

1.痛点问题 协作机器人与人类共享工作空间，通过直接（即物理上）或间接地与人类交互共同开展操作任务。相比传统工业机器人，协作机器人有更高的安全性和更易于编程的特点，能够通过人类示教部署于各种不同的任务并灵活地与人类配合。随着传统工业机器人带来的效率提升趋于饱和，能够安全配合人类的协作机器人能够进一步提高制造业的生产效率，带来可观的经济效益。然而，现有的协作机器人存在以下两大痛点问题。 问题一：安全和效率之间的权衡一直是人机交互中未系统解决的开放性问题。当存在人机直接接触时，为了保证人的安全，现有的协作机器人是通过中止正在进行的任务、顺从人的干预以保证安全；然而，不论人是有意地干预（即工人直接抓取机械臂来引导其任务）还是无意地接触机器人，都将造成机器人暂停手头工作；直到人类停止干预，机器人才能继续执行它的任务。虽然这种人机协作方式能够保证机器人与工人合作的安全，但因为机器人需要在不同的工作模式之间切换，其工作效率将会受到影响。 问题二：如何提高人的示教效率为协作机器人的另一大痛点问题。协同机器人多用于能够灵活拆装的生产线，以适应新的任务，因此新任务的编程效率很大程度上决定了工作效率。基于人类示教的编程方式具有自然、本能的优势，能够直接传递人类的操作技巧与经验。其中，将示教轨迹参数化为可以编辑修改、适应不同任务的形式是提高效率的核心问题。该示教轨迹不光应该包含机器人末端的运动数据，而且应该包含同时调整的冗余关节运动数据，从而同时完成末端主任务与关节避障任务，以适应工作环境。现有的示教方式未能结合离线示教与在线介入，因此无法适用于需要同时记录机器人末端和关节的示教任务。 2.解决方案 本项成果基于增强现实-触觉感知技术，开发了混合交互接口与人机互补操作算法，以解决上述痛点问题。 ①对于问题一，本项成果提出了自适应视觉控制与零空间阻尼控制的协作框架：在有限视场、未校正相机、关节奇异的情况下，保证了机器人在整个工作空间内的全局稳定性；在不影响机器人末端任务的前提下，允许人类专家随时、安全地介入以改变机器人关节姿态，以应对环境动态变化或突发事件，从而实现了安全与效率并重的人机协作方式。 ②对于问题二，本项成果构建了增强现实-触觉感知的混合接口，让人类专家可以在任务和冗余联合空间进行双手演示，同时记录机器人末端与机器人关节的数据。示教轨迹基于DMP方法进行参数化，能够根据不同任务所需的末端位置、关节角度、运动速度进行自适应调整，在保证末端任务精度的同时完成关节的避障任务。 技术核心： ①基于增强现实-触觉感知的混合交互接口; ②用于双手示教的机器人轨迹学习方法; ③自适应全局稳定控制算法。 预期产品：用于人机互补协同操作的设备与软件 3.合作需求 1)资金需求：本项成果开发的人机互补协作平台，在硬件与软件研发阶段需要资金投入，需约250-500万元人民币； 2)孵化资源：公司研发所需办公及研发场地、实验室、分析与测试实验室等； 3)团队：协作平台开发团队、商务开发与合作团队、财务、法务等支持团队； 4)生产制造企业合作：提供人机协同操作的场景与需求，开展工厂真实环境的测试与部署； 5)基础研究合作：与协作机器人、增强现实、触觉感知方向的国内外基础研究团队合作，开发新的交互设备与算法。

产品详细介绍高清H.264编码器SDI编码器HDMI编码器Kylines LMT8000HD    Kylines LMT8000HD高清编码器采用最为先进的H.264/AVC视频压缩算法和MPEG4 AAC音频压缩算法，在低下也具备优异的视频表现和音频还原性。在1Mbps视频码率和30kbps的音频码率下也能实现高清视频在网络上的完美呈现。为适应各种复杂的网络音视频协议Kylines LMT8000HD提供了多种视频格式和流媒体协议，例如RTMP, RTSP/RTP, MMS, UDP。用户可以通过网络流行的Flash播放器，VLC播放器，Windows Media Player等进行直播视频观看。可广泛用于网络视频直播，手机视频直播，远程会议，酒店VOD，校园广播，医院专家会诊等众多应用领域。Kylines LMT8000HD主要特性: H.264/AVC High Profile Level 4.1、H.264/AVC High Profile Level 4.0及H.264/AVC High Profile Level 3.0编码，先进的视频预处理算法 MBAFF（宏块自适应帧场编码） 业界首款三重B帧预测，在优秀图像质量的情况下最大程度降低带宽 先进的VXT2二阶运动预测技术、运动预测精确、提高图像细节完整性 自适应GOP结构，自动探测图像内容，自适应插入I帧 自适应加权预测技术，提高敏感区域图像质量 音频编码支持AAC ，MPEG1 Audio Layer 2 HDMI，HD/SD-SDI数字视频输入 HDMI，HD/SD-SDI数字音频输入 PAL、NTSC标清视频格式 高清720P、1080I、1080P视频格式 支持TS OVER UDP输出 支持FLV OVER RTMP输出 支持ASF OVER HTTP输出 支持向Adobe FMS发布实时直播流 支持向microsoft WMS发布时时直播流 液晶&按键操作 嵌入式WEB网络管理 超低功耗，高清编码模式8W Kylines LMT8000HD技术指标：输入 视频 1路HD/SD-SDI，BNC接口 1路HDMI (HDCP Support) 1路标清AV 音频 HD/SD-SDI内嵌音频 HDMI内嵌音频 1路立体声（左右声道）视频 分辨率 1920×1080P 1920×1080i 1280×720P 720×480P/i (NTSC) 720×576P/i(PAL) 480x320P/i 320x240P/i 编码 H.264/AVC High Profile Level 4.1(高清)H.264/AVC High Profile Level 4.0(高清)H.264/AVC High Profile Level 3.0(标清) 压缩率 1Mbps(720P60) 码率 0.8Mbps~20Mbps 码率控制 CBR/VBR GOP类型 IP IBP IBBP IBBBP IBBBBP 帧率 15Hz – 60Hz音频 编码 AAC、MPEG-1 Layer 2 采样率 48KHz 采样精度 24 bit 码率 30Kb/s~384Kb/sTS输出 2路 ASI输出，BNC接口（选配）以太网输出 TS OVER UDP FLV OVER RTMP ASF OVER HTTP操作 液晶+按键操作，网络管理(WEB)，英文操作界面 可通过网络进行软件升级机电 环境 0~45℃(工作)，-20~80℃(存储) 尺寸(宽x长x高) 1U机箱 (482mm×360mm×44.5mm) 重量 3Kg 电源 AC 110V±10%，50/60Hz或AC 220V±10%，50/60Hz 功耗 8W

1.微电脑控制,中文界面,液晶显示,触摸键操作,简洁、直观、方便。全程电脑自动控制，开机自动加热并恒温。2.分摊片、烤片、烘片三个功能区。3.温度控制：0-99　℃预设，恒温精度±１℃

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。

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 

XM-116B头颅骨带脑动脉模型   XM-116B头颅骨带脑动脉模型（颅脑模型）可拆分为11部件，由颅盖、颅底、下颌骨、前叶、顶叶、颞叶、枕叶、脑干、小脑等组成，模型上颌骨和下颌用弹簧连接起来，可以自由活动，颅盖可打开，可观察到颅骨内分解成8部分的脑模型，脑模型上标有脑动脉，该模型完整的展示了头颅骨与脑的相互毗邻关系及颅内外的结构形态和骨性标志。 尺寸：自然大 材质：PVC材料