|
搜索
搜 索
高等教育领域数字化综合服务平台
XM-BDX高级深部血管结扎操作模型
XM-BDX高级深部血管结扎操作模型
功能特点：
■ XM-BDX高级深部血管结扎操作模型采用高分子材料制成，仿真度高。
■ 可训练深部出血血管结扎及多处出血点同时出血的应变能力。
■ 模型具有4处深部出血点，可以同时出血，血流速度可调节。
■ 4处出血点的管径大小不同，损伤程度不同，设有全自动模拟器控制不同的出血速度。
■ 模型具有出血自动回收结构，方便模拟血液回收。
■ 可进行外科血管打结、结扎、止血、剪线等级外科操作训练。
上海欣曼科教设备有限公司
2021-08-23
XM-BCX表面血管结扎止血操作模型
XM-BCX表面血管结扎止血操作模型
功能特点：
■ XM-BCX表面血管结扎止血操作模型采用高分子材料制成，仿真度高。
■ 模型上有16个出血点，当训练或考核时，16个出血点同时向外涌血，模拟真实流血状态，练习多处血管出血时的结扎止血操作。
上海欣曼科教设备有限公司
2021-08-23
头颅骨附血管神经模型XM-118
XM-118头颅骨附血管神经模型（仿真头颅模型10部分）
XM-118头颅骨附血管神经模型（仿真头颅模型10部分）可分解成10个部件，由颅顶、颅底矢状切面、额骨、颞骨、上颌骨、犁骨等10个部件等组成，显示脑颅骨、面颅骨和颅的整体观形态结构，颅顶、颅底的硬脑膜窦和动脉用彩色标志。
尺寸：自然大，20×13×18cm
材质：PVC材料
上海欣曼科教设备有限公司
2021-08-23
人体头颈部肌肉神经血管模型
XM- 634A头颈部肌肉神经血管模型
XM-634A人体头颈部肌肉神经血管模型采用1：1比例设计，大脑可以单独取出分成左右脑，可以拆分为3部件，展示颈部解剖、颈部浅层结构、颈前区和胸锁乳突区、颈外侧区、颈根部、颈筋膜及筋膜间隙等6部分内容，并在此基础上增加了大脑和面部的解剖，更加详细的阐述了头面颈部相互之间的关系。
1、模型上端自眉弓上方向颅后至人字缝交叉处作水平切，下端平第五肋作水平切。
2、颅内示脑N出颅位置，基底动脉，大离前、中、后动脉起始段。
3、颈部右侧示颈总动脉、椎动脉、甲状颈干、颈浅动脉、甲状腺上、下动脉、舌动脉、面动脉，颈内、颈外动脉及上颌动脉分支等的走向和分布范围。
4、示甲状腺、喉软骨、下颌下腺、颈丛N的形态位置。
5、胸部示气管、支气管、主动脉弓及分支、肋间的血管神经、锁骨下动脉、腋动脉等。
尺寸：自然大，33×22×42cm
材质：PVC材料
上海欣曼科教设备有限公司
2021-08-23
XM-BCX表面血管结扎止血操作模型
XM-BCX表面血管结扎止血操作模型
功能特点：
■ XM-BCX表面血管结扎止血操作模型采用高分子材料制成，仿真度高。
■ 模型上有16个出血点，当训练或考核时，16个出血点同时向外涌血，模拟真实流血状态，练习多处血管出血时的结扎止血操作。
上海欣曼科教设备有限公司
2021-08-23
XM-BDX高级深部血管结扎操作模型
XM-BDX高级深部血管结扎操作模型
功能特点：
■ XM-BDX高级深部血管结扎操作模型采用高分子材料制成，仿真度高。
■ 可训练深部出血血管结扎及多处出血点同时出血的应变能力。
■ 模型具有4处深部出血点，可以同时出血，血流速度可调节。
■ 4处出血点的管径大小不同，损伤程度不同，设有全自动模拟器控制不同的出血速度。
■ 模型具有出血自动回收结构，方便模拟血液回收。
■ 可进行外科血管打结、结扎、止血、剪线等级外科操作训练。
上海欣曼科教设备有限公司
2021-08-23
XM-630头面部血管神经模型
XM-630头面部血管神经模型
XM-630头面部血管神经模型显示头面部内、外侧面局部形态及其血管和神经等结构，共有100个部位指示数字标识标志及对应文字说明。
尺寸：自然大，21×32×19cm
材质：PVC材料
上海欣曼科教设备有限公司
2021-08-23
XM-630头面部血管神经模型
XM-630头面部血管神经模型
XM-630头面部血管神经模型显示头面部内、外侧面局部形态及其血管和神经等结构，共有100个部位指示数字标识标志及对应文字说明。
尺寸：自然大，21×32×19cm
材质：PVC材料
上海欣曼科教设备有限公司
2021-08-23
基于客流量的列车运行图生成方法
本发明实施例提供一种基于客流量的列车运行图生成方法。所述方法包括：获取原始客流量数据；所述原始客流量数据包括至少两个预测周期的客流量数据；根据当前预测周期的前一个预测周期的第一客流量数据、以及预设的平衡指数平滑模型，对所述第一客流量数据进行平滑处理，得到所述当前预测周期的第二客流量数据；根据预设滤波模型，对所述第二客流量数据进行滤波处理，得到所述当前预测周期的最优估计值；根据预设约束条件以及所述预测周期的最优估计值，生成列车运行图。本发明实施例解决了现有技术中，运行图时刻表编制的复杂度与效率，导致编图效率低以及编图质量差的问题。
北京交通大学
2021-04-10
由生成对抗网络（GAN）驱动的进化多目标算法
随着计算智能方法得到更广泛的应用，其从问题本身学习的能力亟待增强。为此，越来越多研究提出使用机器学习模型来驱动计算智能。通常，这种基于模型的进化算法的性能高度依赖于所采用模型的训练质量。而传统机器学习方法需要大量训练数据进行模型训练，而且受维度灾难的影响，这类方法通常很难解决维度较高的问题，约束了计算智能方法的应用范畴。课题组在
南方科技大学
2021-04-14