产品详细介绍 姓名：范香云 座机：010-59201713 手机：13311233616 QQ：3201453676 地址：北京市海淀区文慧园北路8号庆亚大厦

产品详细介绍G6医院财务管理，山东用友软件，新医院会计制度 产品介绍医院会计制度改革主要亮点包括：强调医院的公益性、严格进行预算管理；完善财务管理体制，规范财务行为；科学界定收支分类，全面真实反映；会计报表体系更加完善，会计信息更完整；注重医院成本核算、切实加强成本管理；计提医疗风险基金，强化医院风险管理；计提固定资产折旧、资产信息更加真实；设“待冲基金”科目，核算更具实用性；将基建纳入大帐，医院收支核算更全面根据以上会计制度改革特点，研发设计了本款财务管理系统-医院专版为了适应各方面情况变化和需要，进一步规范公立医院的会计核算，提高医院会计信息质量，根据《中华人民共和国会计法》、事业单位会计准则及国家有关法律法规，财政部于2011年初发布新《医院会计制度》（财会［2010］27号）。新制度适用于中华人民共和国境内各级各类独立核算的公立医院，包括综合医院、中医院、专科医院、门诊部（所）、疗养院等。不包括城市社区卫生服务中心（站）、乡镇卫生院等基层医疗卫生机构。企业事业单位、社会团体及其他社会组织举办的非营利性医院可参照本制度执行。新老制度对比分析    与现行医院会计制度（财会字［1998］56号）相比，新医院会计制度（财会［2010］27号）主要在以下几个方面有重大的变化：   （1）新医院会计制度新增了与国库集中支付、政府收支分类、部门预算等财政改革相关的会计核算内容。   （2）为了真实反映资产价值、合理确定医疗成本，规定医院计提固定资产折旧，折旧额分期计入相关成本费用。计提折旧的资产包括房屋及建筑物、专用设备、一般设备和其他固定资产，图书除外。（3）为了解决现行制度下医院医疗和药品收支不配比、成本核算体系不健全、科研教学经费核算混乱等问题，借鉴国际惯例，合并了医疗、药品收支核算，分别在医疗收入下设二级科目门诊收入、住院收入中核算；规定管理费用不再分摊；完善了自制药品和材料的成本核算；明确了科教收支的会计处理。（4）进一步完善了报表体系取消：《基金变动情况表》；调整：将原来的《收入支出总表》改为《收入费用总表》；增加：《医疗收入费用明细表》（收入费用总表附表）、《现金流量表》、《财政补助收支情况表》。（5）医院财务情况说明书中增加对成本核算及控制情况说明的要求，要求附规定格式的相关成本报表。增加了《医院各科室直接成本表》；《医院临床服务类科室全成本表》；《医院临床服务类科室全成本构成分析表》三张报表（6）医院对基本建设投资的会计核算需要按照本制度单独建账、单独核算。制度要点 产品特色多资金多部门固定资产管理 1、基于卡片模式的固定资产管理，按资金来源比例与部门分摊等级资产原值2、支持资产按照资金来源比例分别计提资产折旧3、支持资产多部门分摊，可以根据多资金来源情况按部门分摊比例计提折旧4、支持多资金来源、多部门分摊固定资产价值变动自动生成凭证5、提供多种资金来源固定资产的各种查询分析报表，帮助使用者、管理者全面了解与控制多种资金来源固定资产的使用情况成本报表 1、根据医院财务情况说明书中增加对成本核算及控制情况说明的要求增加了三张报表《医院各科室直接成本表》；《医院临床服务类科室全成本表》；《医院临床服务类科室全成本构成分析表》基础数据调整 1、 按照新制度要求预制了会计科目2、 增加了现金流量项目等基础数据收支管理规范加强核算管理 1、 提供收支结转功能，财政项目补助、科教项目收支结转等自动完成2、 提供结余分配功能，将结余部分自动分配3、 以转账的形式，实现各种基金的自动提取4、 提供备查簿功能，可以将财政基本补助支出备查簿自动等级预算管理 1、实现部门预算、科目预算、项目预算、成本预算等的预算分析及核算控制财政项目科教项目核算管理 1、 根据项目的启动情况、执行情况、成果分析和结项验收等全过程管理项目，支持项目明细账目自动结转2、 增强项目核算功能，实现财政项目、科教项目、其他项目的收入、支出、结余的全过程管理3、 可以实现财政项目、科教项目收入、支出、结余分析报表，可对项目支出结构进行分析改进财务报告体系 1、 按照新制度预制了《资产负债表》等报表,表内数据可以自动由帐中取得2、 取消了原有《基金变动情况表》；3、 将原来的《收入支出总表》改为《收入费用总表》；3、增加新制度中要求的《医疗收入费用明细表》（收入费用总表附表）、《现金流量表》、《财政补助收支情况表》。财务报表审计 1、系统为审计系统预留了接口，为内外部审计提供财务数据备查簿管理 1、 根据新医院会计制度中的要求，一些专用科目要求使用备查簿记录科目发生情况，如应付票据，需记录票据的详细信息，及使用、核销情况2、 在固定资产科目中，要求出租、出借或作为担保的固定资产，应设置备查簿进行登记；3、 在医疗业务成本、管理费用科目应下设“财政基本补助支出”备查簿等。咨询顾问：侯俊松（8年用友软件服务经验）咨询电话：13791038104E-mail:song6253@163.comQ    Q：249180469

该系统可用于材料类、生物类、化学类等相关专业的高校学生的理论和实践教学，提高应用型人才培养质量和教师教学科研水平。

成果介绍本发明公开了一种虚拟家装室内场景设计中的阴影渲染方法。包括阴影映射图生成步骤，半影估计步骤，基于泊松碟采样的百分比渐近滤波步骤，最后通过加入漫反射环境光，生成具有真实感的虚拟家装室内场景阴影效果图。本发明方法能够高效且能改善阴影映射图锯齿走样的问题。技术创新点及参数本发明提供一种真实感强烈，生成了场景中物体的软阴影而且速度快， 可以满足虚拟家装实时渲染要求的虚拟家装室内场景设计中的阴影渲染方法。市场前景本发明方法结合阴影映射图与百分比渐进滤波技术实现虚拟室内家装 的实时阴影效果渲染，不仅能够生成具有真实感的家装室内设计中的阴影渲染，而且 不会随着场景中三维物体复杂度增加而增加，无需预处理能够满足实时应用需求。该 技术对计算机虚拟现实在虚拟家装领域的应用具有重要意义。

本成果以专利形式体现（专利号 201310723968.2 ），生命科学大多以微生物为研究对象，有很多物种都是近缘的，无法用普通方法区分，本方法通过 PCR 方法可以快速区分，建立了一种设计特殊引物的方法。

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：

针对子载波非连续可用的情况下，基于迭代平均处理的思想，设计了适用于载波扩展OFDM系统中的导频符号，使用这种导频符号，能有效地克服OFDM系统峰均功率比过高的问题，且能保证较优异的误比特性能。

采用本发明得到的低相关区域序列组，在一定的相关区域内，绝大部分自相关函数取值为零，并且全部互相关函数取值为零。本发明所得到的低相关区域序列组，可以广泛应用于认知无线电系统，如信号同步、信道估计、多用户扩频等方面。