|
搜索
搜 索
高等教育领域数字化综合服务平台
一种激光干涉位移测量系统
本发明公开了一种激光干涉位移测量系统。包括激光器、起偏 器、消偏振分光棱镜、偏振分光棱镜、1/4 波片、角锥镜、平面反射镜 和光电探测器。测量光入射移动角锥镜，由角锥镜位移引起原路反射 回来的光的光程变化是角锥镜位移的四倍。该设计中通过偏振光学原 理使测量光沿相同方向总共两次进出移动角锥镜，实现测量光与参考 光光程差变化与角锥镜位移的八倍程关系，从而实现对位移的光学八 倍细分测量。该系统具有测量分辨率高、测量结果准确的优点，且结 构上安装方便、简单，价格低廉，适用范围广。
华中科技大学
2021-04-14
光电探测量子芯片产业化
用于量子保密通信、近红外探测成像、高速量子光通信、激光雷达探测。 针对单光子探测需求，提取关键技术参数，通过多次半导体器件仿真优化，最终得到外延结构设计。结合 13 所 自主外延生长技术与精准的锌扩散方案，最终实现较为成功的 GM-APD 芯片。该芯片已经成功达到量子保密通信中单光子探测需求，并在安徽问天量子技术有限公司的产品中得到应用。
中国科学技术大学
2021-04-14
原子力显微镜演示测量教具
原子力显微镜是具有极高分辨率和稳定性的表面测量仪器，是纳米技术发展的重要基础。同时这项技术已广泛应用于材料、生物、化学和环境等领域。本装置利用自动化、光电转换、光杠杆原理等技术，形象的演示了其工作原理。并通过检测待测样品表面和一个微型力敏感元件之间的微弱的相互作用力来研究物质的表面结构信息。
安徽理工大学
2021-04-13
微型陀螺测量系统MIN-900-2
产品详细介绍 IMU微型陀螺测量系统MIN-900-2 微型陀螺测量系统MIN-900-2简介： IMU微型陀螺测量系统MIN-900-2 结合了三个方向角速率陀螺仪，三向加速度计，三轴磁强计，混合运算器, 16bit 模数转换, 微控制器等，通过创新性的算法，无论在静态和动态都能给出精确的方向和姿态。操作在三轴360 度的运动状态，提供姿态的Euler角。 微型陀螺测量系统MIN-900-2原理： MIN-900-2 利用三轴陀螺跟踪系统动态的角度，三轴的加速度计和磁场计跟踪静态的角度，而内置的处理器及控制器，通过滤波和算法，输出实时的角度（无论是在静态还是动态），这就提供了快的响应,当在振动和快速的运动状态下也没有漂移。稳定的输出通过容易使用的数字格式提供. 微型陀螺测量系统MIN-900-2性能参数：
陕西航天长城科技有限公司
2021-08-23
苏州英示测量科技有限公司
苏州英示测量科技有限公司是高新技术企业、国家专精特新“小巨人”企业, 中国“机械行业能力评价长度计量实训基地”。 旗下的INSIZE和INSIZE PLUS是中国基础类装备制造业的国际品牌,在国际市场是与德国Mahr、日本Mitutoyo并列的三大量具品牌。英示总部位于苏州高新区，在美国、 西班牙、 德国 、捷克、 巴西和印度建有分公司。
英示产品品种丰富、种类齐全, 近万种产品涵盖了机加工行业几何尺寸和形位公差测量的各种需求, 以及工件表面及内部观测、材料硬度测试、推拉力和扭力测试、材料金相准备和分析等需求。
英示以解决测量难题为导向, 以品质创品牌, 以服务赢信赖，客户涵盖了航天、航空、核电、高铁、船泊、汽车制造、电子等领域的大中型国企、民营企业、外资企业及职业院校。
苏州英示测量科技有限公司
2021-12-07
XTC-II人体形态测量尺
XTC-II人体形态测量尺
人体形态测量尺适用于测量人体各肢体的长度、宽度及围度等形态指标的测量，包括：长马丁尺、中马丁尺、短马丁尺、直脚规、游标卡尺、围度尺、足长测量仪、指间距尺。
1、长马丁尺：
规格：130厘米。精度：±0.1厘米。用于测量下肢长等。
用法：将尺子垂直于地面，移动尺标至测量点，尺标所对应的数字即为离地面的高度。
2、中马丁尺：
规格：100厘米。精度：±0.1厘米。用于测量上肢长、上臂长、前臂长和手长等。
用法：移动尺标至测量点，目标物夹在尺头与尺标之间，读取数字即为长度。
3、短马丁尺：
规格：70厘米。精度：±0.1厘米。用于测量大腿长、小腿长和跟腱长等。
用法：将尺子垂直于地面，移动尺标至测量点，尺标所对应的数字即为离地面的高度。
4、直脚规：
规格：70厘米。精度：±0.1厘米。用于测量肩宽、骨盆宽、胸宽和胸厚等。
用法：移动尺标至测量点，目标物夹在尺头与尺标之间，读取数字。
5、游标卡尺：
规格：20厘米。精度：±0.1毫米。用于测量手宽、足宽、肱骨和股骨的远端宽等。
用法：松开游标上的螺钉，移动游标至测量点，将目标物夹在尺头与尺标中间，所对应的数字即为测定点的长度。
6、围度尺：
规格：150厘米。精度：±0.1厘米。用于测量胸围、腰围、臀围、上下肢体及其他人体曲线的围度等。
用法：先将卷尺绕在测量点上，注意不要缠得太紧，即可读取数字。
7、足长测量仪：
规格：40厘米。精度：±0.1厘米。用于测量足高、足长等。
足长测量：受试者将足放平底座上，足跟部位靠挡板、脚侧靠尺体，拨动滑尺A靠在足尖，滑尺A面对应的刻度值即为足长尺寸。
足弓测量：受试者将足放平在底座上，拨动滑尺B使下平面紧靠“足弓”，滑尺B观测线上的量高标尺的刻度值即为足弓高尺寸。
8、指间距尺（臂伸测量尺）：
规格：最大测量长度120厘米，加上加长杆后最大测量长度240厘米。精度：±0.1厘米。用于测量臂伸、身长、指间距（臂展）等。
用法：两手伸直于身体两侧，与肩平行，移动尺标至测量点，测量左右手指尖之间的最长距离。
上海欣曼科教设备有限公司
2021-08-23
XTC-II人体形态测量尺
XTC-II人体形态测量尺
人体形态测量尺适用于测量人体各肢体的长度、宽度及围度等形态指标的测量，包括：长马丁尺、中马丁尺、短马丁尺、直脚规、游标卡尺、围度尺、足长测量仪、指间距尺。
1、长马丁尺：
规格：130厘米。精度：±0.1厘米。用于测量下肢长等。
用法：将尺子垂直于地面，移动尺标至测量点，尺标所对应的数字即为离地面的高度。
2、中马丁尺：
规格：100厘米。精度：±0.1厘米。用于测量上肢长、上臂长、前臂长和手长等。
用法：移动尺标至测量点，目标物夹在尺头与尺标之间，读取数字即为长度。
3、短马丁尺：
规格：70厘米。精度：±0.1厘米。用于测量大腿长、小腿长和跟腱长等。
用法：将尺子垂直于地面，移动尺标至测量点，尺标所对应的数字即为离地面的高度。
4、直脚规：
规格：70厘米。精度：±0.1厘米。用于测量肩宽、骨盆宽、胸宽和胸厚等。
用法：移动尺标至测量点，目标物夹在尺头与尺标之间，读取数字。
5、游标卡尺：
规格：20厘米。精度：±0.1毫米。用于测量手宽、足宽、肱骨和股骨的远端宽等。
用法：松开游标上的螺钉，移动游标至测量点，将目标物夹在尺头与尺标中间，所对应的数字即为测定点的长度。
6、围度尺：
规格：150厘米。精度：±0.1厘米。用于测量胸围、腰围、臀围、上下肢体及其他人体曲线的围度等。
用法：先将卷尺绕在测量点上，注意不要缠得太紧，即可读取数字。
7、足长测量仪：
规格：40厘米。精度：±0.1厘米。用于测量足高、足长等。
足长测量：受试者将足放平底座上，足跟部位靠挡板、脚侧靠尺体，拨动滑尺A靠在足尖，滑尺A面对应的刻度值即为足长尺寸。
足弓测量：受试者将足放平在底座上，拨动滑尺B使下平面紧靠“足弓”，滑尺B观测线上的量高标尺的刻度值即为足弓高尺寸。
8、指间距尺（臂伸测量尺）：
规格：最大测量长度120厘米，加上加长杆后最大测量长度240厘米。精度：±0.1厘米。用于测量臂伸、身长、指间距（臂展）等。
用法：两手伸直于身体两侧，与肩平行，移动尺标至测量点，测量左右手指尖之间的最长距离。
上海欣曼科教设备有限公司
2021-08-23
足高足长测量尺ZGC-1
ZGC-1型足高足长测量尺是专门测量足长和足弓高度的器具,可供体育、教育、卫生、医疗等部门做人体形态测量使用。
一、主要技术规格：
测量范围：足长0－350毫米；足弓高0－120毫米
二、足长测试方法：
受试者将足放平底座上，足跟部位靠挡板、脚侧靠尺体，拨动滑尺A靠在足尖，滑尺A面对应的刻度值即为足长尺寸。
三、足弓测试方法：
受试者将足放平在底座上，拨动滑尺B使下平面紧靠“足弓”，滑尺B观测线上的量高标尺的刻度值即为足弓高尺寸。
本文中所有关于足高足长测量尺http://www.xinman8.com/272.html的文字、参数、图片等如有产品更新换代、参数变动请联系我们的销售、技术工程师。
上海欣曼科教设备有限公司
2021-08-23
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
基于AI 机器学习的影像组学模型研究
2019年12月以来，由SARS-CoV-2病毒感染导致的新型冠状病毒疾病（COVID-19）在全球开始蔓延。报道显示，SARS-CoV-2感染患者的中位住院时间为10天，而武汉患者在发病10天后症状有可能加重。因此，住院时间是COVID-19临床预后的重要指标之一。 目前，CT影像学已成为COVID-19肺炎的诊断和监测工具，主要表现为磨玻璃影、实变及混合密度影。然而，现阶段的影像学研究主要集中于对病灶的定性和半定量描述，缺乏对病灶的全定量分析。因此，基于前期提出的CT定量监测COVID-19肺炎病程，团队假设在CT病灶背后的高通量影像特征“隐藏”了患者预后转归的“秘密”。 本研究纳入了兰州、安康、丽水、镇江、临夏5家新冠肺炎定点医院，自2020年1月23日到2月8日期间住院患者的临床资料和首次CT资料，所有患者经RT-PCR证实SARS-CoV-2病毒感染。至2月20日，研究共纳入31例治愈出院的患者（排除14例未出院患者和7例首次CT检查无肺炎表现患者），并将10天作为住院时长的二分类阈值。基于有限的样本量，团队将4个中心作为训练队列，另外一个中心作为验证队列。通过自动分割肺叶和半自动分割病灶，31名患者中累计分割出72个病灶。在对病灶图像预处理后，提取影像组学特征并筛选。为了研究影像组学特征的稳定性，团队使用了Logistics回归模型和随机森林模型对筛选的特征分别进行建模和验证。结果发现，6个筛选出的二阶特征在两种不同分类器中均表现出良好的预测价值。在外部测试队列中，Logistics回归模型的AUC为0·97(95%CI 0·83-1·0), 敏感性 1·0, 特异性0·89；随机森林模型的AUC为0·92 (95%CI 0·67-1·0),敏感性 0·75, 特异性1·0。随后，研究又纳入了2月20日-28日新出院的6名患者，利用已建立的影像组学模型可以正确预测所有6名患者的住院时间。
东南大学
2021-04-10