系统以“学、教、练、考、管、评”的设计理念为依托，基于多学科、高质量、成体系的资源优势，满足全时段数字化教学、自主学习和标本考试需求，形成全场景应用的形态学数字化教学体系，满足师生全流程教学应用。

是新华医疗强大X线机研发团队专门为高校医学影像专业教学设计的又一力作，本实验台综合了单个实验箱的实验功能，综合性强，可使学生在比较中进行实验，进而提高学生综合运用知识的实验效果，让学生亲身体验，学以致用。主要实验模块包括：整流电路实验、高频X线机逆变频率电路实验、旋转阳极启动与保护电路实验、磁饱合稳压电路实验、曝光限时电路实验、管电压管电流测量实验、接地电阻测量实验、X线机发生器基本工作原理及控制实验等。

本项目聚焦于锂电池管理系统在智能化监测与预测中的关键痛点，尤其拟面向电池容量衰减预测、SOC/SOH估计不准、电池剩余时间不准确、MAP/SOP估算等方面。通过引入人工智能算法，构建融合机器学习与深度学习的电池状态预测模型，拟实现高精度SOC（荷电状态）与SOH（健康状态）估计的优化，提升电池管理系统的智能水平与安全性。 解决方案方面，项目基于实地检测磷酸铁锂电池充放电数据构建训练集，采用轻量级线性回归模型及改进型人工神经网络进行建模优化，并结合特征工程技术提高预测精度。同时，设计适用于边缘计算的部署方案，使模型可在BMS嵌入式硬件平台实时运行，降低对计算资源的依赖。 在竞争优势方面，项目成果具备算法轻量化、部署便捷、预测准确度高、兼容性强等特点，特别适用于电力储能、电动汽车等对安全性和可靠性要求高的场景。相比传统BMS方案，该AI算法可显著提升电池使用效率与寿命，精准估算SOC/SOH，降低维护成本。 目前项目成果已在合作企业内部储能设备中开展应用测试，初步反馈表明荷电状态预测准确度提升40%左右，电池健康度准确度提升40%左右，系统响应及时，具备较高实用性和推广价值。专家评审一致认为，该项目在智能电池管理系统方向具有较强的创新性和实际应用前景。

一、全身模拟人 *1、全身针灸模拟人设有≥300个穴位传感器（穴位应包括常见病针灸处方中的十四经穴和奇穴）。穴位点以LED灯光的形式呈现，软件端可控制穴位灯光的开启与关闭。 *2、全身模拟人：点穴模拟人模拟一成年男性，身高170CM，模拟人为整体结构（非四肢拼接而成），四肢均可自由活动。 3、针灸模拟人全身均为真实柔软的仿真皮肤、仿真实皮下与肌肉组织、手感真实触有弹性仿真皮肤有非常好的柔韧性。同一位置针刺多次不会出现明显孔位，表面形状、触摸手感均与人体无异，非常的真实。 *4、仿真模拟人体内有完整的全身骨骼仿真结构、四肢骨骼可活动，有良好的弯曲的功能。体内有完整的骨骼仿真结构,真实的展示各部位骨性标志。全身各部位关节为金属构件连接，灵活、牢固可任意摆放各种点穴取穴体位。 5、体表解剖标志明显，有明确的脊柱骨凸点、肋骨凸点、乳头、肚脐等定位特征点，并可进行点穴定位。 6、具有逼真的口腔(牙齿、舌、悬雍垂等)及气道(会厌、声门、气管等)。 7、模型材料采用了无毒、无害的环保级材料。 8、模拟人与软件之间支持有线与无线两种连接方式。 二、实训功能 *1、软件系统中打开经络或穴位，全身针灸模型人可亮起相应穴位灯。 2、每个穴位都是独立传感器，单个传感器故障不影响整个系统的使用，每个穴位传感器支持单独拆卸更换。 *3、在全身模拟人上针刺某一穴位，软件系统自动播报该穴位点名称，并跳转到相应位置，并以高亮显示，在软件中点亮某一穴位，模拟人上对应的穴位亮起。 4、可在全身模拟人上根据骨性标志、体表标志等不同取穴方式进行真实人体取穴。 *5、实时实训：针对全身的穴位可以分经络进行单独展示，配合全身模拟人进行针刺练习，触发穴位后软件进行实时响应，系统可实时显示该穴位的名称、国际代码、点位、解剖位置、主治、操作等信息，同时播报其穴位名称。 6、穴位提示：可以单独控制单一穴位的灯光提示，方便认穴练习。 7、经络练习：可以点亮一条或多条经络穴位进行相关经络学习。 8、多穴练习：可针对性的点亮多个穴位进行练习，系统给出实时反馈。 9、模型穴位灯光可实现经络的循行走向。 10、支持分层感知功能，在人体模型穴位上进行按压时，软件同步显示按压力度、按压时长及按压感知层次，并实时以视图形式呈现按压力度变化。 11、具备压力反馈功能，可根据穴位，设置不同耐受阈值，在进行按压时以视图形式呈现按压力度变化和按压时长信息。 12、系统具备压力反馈功能，穴位按压时，可调控反馈按压力度大小。 三、软件功能 1、系统包含经络腧穴解剖、点穴训练、综合病例训练、发布点穴考试等功能。 2、穴位认知包含包括十二正经、十二经别、奇经八脉共32条经脉，包含362个经穴，50余个经外奇穴。点击该穴位可直观了解穴位所在位置。针对每条经络及穴位的点位、解剖位置、主治病症、针刺手法均有详细释义，并可以利用虚拟数字人体模型交互操作使用。 3、解剖系统：包含骨骼系统，关节系统，肌肉系统，消化系统，神经系统，动脉系统，静脉系统，淋巴系统，皮肤系统，呼吸系统，泌尿生殖系统，内分泌系统等人体数字虚拟系统，方便理解中医穴位在人体结构中的毗邻关系。在系统中可对数字人体进行拆分、隐藏等多种解剖功能的操作。 4、经络循行：通过三维动效形式展示，可直观了解人体经络循行。 *5、可对数字模型进行放大、缩小、平移、一键初始状态、一键返回主页面，可前、后、左、右、上、下六视图切换三维模型视角，对任意界面进行截图保存等多种操作。 6、系统设有多种背景颜色适配多种场景。 7、语音功能：针对详细注解内容，进行对应的语音讲解。 8、透明功能：可一键透明皮肤、肌肉、骨骼，也可以调节不同层级的透明度，利于学习针灸腧穴对应的内部解剖结构。 *9、身体层级：可以对皮肤、肌肉、骨骼、动脉、静脉、内脏、神经进行隐藏和显示。 10、文字介绍：点击任意腧穴都可以显示其名称、介绍等信息。 11、即触即显：任意点击某个腧穴/某个解剖结构，可以立即显示其名称及对应结构注释。 12、搜索：输入穴位名称、拼音或代码，可在三维人体模型上快速定位到该穴位。 13、歌诀背诵：包含井荥输原经合歌、八会穴歌、络穴歌、郄穴歌、八脉交会穴歌、背腧穴歌等针灸歌诀。 14、腧穴定位体表解剖标志具备20余个重要人体解剖标志位置，可一键显示全部体表解剖标志定位点。 15、骨度分寸：以《灵枢·骨度》里的人体各部的分寸为基础，用于腧穴定位的方法。根据当前学习的穴位，一键获得根据骨度折量定位法得出的位置信息，更方便腧穴认知。 16、对称穴位：不仅可以学习单侧的经络穴位，更方便进行对侧穴位的认知学习。 17、重置或复位：一键恢复三维模型至初始状态。 *18、常见的危险穴位具有特殊标记，详细信息包含针刺异常情况表现及情况处理。 19、支持按部位显示/隐藏虚拟人体模型，可分为全身、头部、躯干部、上肢（左）、上肢（右）、下肢（左）、下肢（右）等多种模型状态。 四、取穴模块 1、取穴训练 1.1、可在模拟人身上进行全部穴位的取穴模拟。支持不少于400（单穴）个穴位的取穴练习。 1.2、系统可随机挑选10个穴位进行训练，操作结束后，系统实时给出评分，成绩单可查看每个穴位的操作过程和分值记录。 1.3、在软件虚拟人体上进行穴位的寻找与确认，实时反馈取穴位置的对错，亦可随时查询所练习腧穴的正确定位，以便即时纠正及再次练习巩固，结束训练后可自动生成训练记录。 1.4、支持以全国针灸推拿临床操作技能大赛的腧穴定位比赛规则随机出题。 2、专项取穴训练 2.1、具备教师指定和自主选择功能。 2.2、教师可以设置题组数目、组题形式，支持系统随机组题和自定义组题。 2.3、教师可自行设置取穴形式，支持一键发布训练穴位。 3、综合病例训练 3.1、包含头面躯体痛、内科、妇儿科、皮外伤科、五官科、急症等多科室的病例针灸治疗内容。 3.2、包含头痛、面痛、腰痛、面肌痉挛、落枕、颈椎病、漏肩风、坐骨神经痛、晕厥、眩晕、中风、高血压病、痹证、胁痛、痴呆、不寐、心悸、水肿等病案诊断、治疗方法。 3.3、每个针灸病例考题作答后系统自动给予正确答案对比。 4、发布取穴考试 4.1、试题类型支持智能针灸全身人身上针刺取穴和系统虚拟人身上取穴，教师可分别设置每个穴位的考核形式。 4.2、考试穴位支持按照设置的常用穴位和非常用穴位自动随机生成，支持按经络、部位等自主选择穴位生成。 五、配置清单 1、全身针灸仿真模拟人一具。 2、65寸落地式触控交互系统一套，配备可移动式支架。 3、可升降按摩床一台。 六、中医针灸数字人系统V1.0 一套

“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。

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。 

提出基于地震波观测的滑坡快速检测和滑动几何形态的分析方法，可服务于滑坡次生灾害的预警。       2018年12月22日因无预警海啸致使印尼苏达海峡沿岸城市437人死亡，几千人受灾。叶玲玲教授等利用印尼的宽频带地震波数据，发现此次海啸由滑坡引发，与2018年活跃的Anak Krakatau火山活动有关。相对于地震滑动，滑坡造成的地振动以低频成分为主，高频成分较少（图1），造成目前常规基于高频地振动信号的地震-海啸预警系统失效。雷达影像资料分析进一步证实海啸源是Anak Krakatau火山西南侧的滑坡（图2）。采用震源单力模型，长周期地震波观测约束滑坡平均倾角为12°；结合地震波和卫星遥感资料观测，得到滑动体积约为0.2 km3。这些参数为海啸模拟提供了重要约束。 在2018年印尼火山滑坡事件中, 地震波信号10分钟传播到整个苏门答腊和爪哇地区, 被几十个地震台接收，利用Wphase反演方法15分钟可得到有效的滑坡信息。由滑坡引发的海啸波传播速度较慢, 半小时后传播到附近的海岸带地区。因而该研究中基于Wphase方法的滑坡快速检测和滑动几何形态的分析方法可有效运用于该类型滑坡海啸预警中。

建设消化系统肿瘤的大数据平台，通过整合肿瘤临床信息、影像数据、生物样本库数据、高通量生物多组学的数据，系统地构建消化系统肿瘤大数据，并结合人工智能平台进行大数据的挖掘与分析。该团队基于肿瘤大数据平台开展肿瘤临床诊疗的真实世界研究，探索肿瘤的精准诊断、预后预测和耐药分子机制 徐瑞华教授团队开始着手构建磷酸化定量数据库qPhos。通过收集已发表的定量磷酸化组数据，共整合了199071个磷酸化位点上的3537533个定量磷酸化信息，其中86%的数据来自肿瘤组织样本及相关细胞系。有关定量实验的详细信息，包括实验条件、实验所用的细胞系或样本等数据也纳入了数据库中。对每个磷酸化位点，都注释了实验验证的或潜在的上游激酶，以便理解其分子调控机制。同时，通过整合UniProt，ExPASy和DrugBank等数据库中的信息，对磷酸化位点所在蛋白质的生化特征、上游激酶的靶向药物情况进行了详细的注释，方便查询和使用。       此外，数据库中还开发了qKinAct分析模块，研究人员可以基于自己的定量磷酸化组数据分析得到相应的激酶活性相关磷酸化位点信息，进而分析异常的磷酸化信号通路。因此，qPhos是首个全面涵盖肿瘤和疾病相关重要磷酸化修饰动态水平的数据库，为研究蛋白磷酸化修饰及其动态调控提供了一站式服务。

苏教社版