南京第四分析仪器有限公司前身南京第四分析仪器厂，创建于1976年，是国内金属高速分析仪器的首创厂家，中国非接触式引弧电弧炉的创始者，电弧燃烧法检测碳硫的标准起草单位，是集化学、光学、电子、机械多学科为一体、铁道部扶持、冶金部钢铁研究总院和江苏省机械工业厅专业生产高速分析仪器的技术密集型推广企业，也是代表高速分析学科领域的江苏省分析测试协会的会员单位，山东省铸造协会、浙江省铸造协会、精铸协会会员及华东地区铸造协会会员单位，中国质量诚信企业会员单位、江苏质量诚信AAA级品牌企业，ISO9001:2000国际质量管理体系认证企业，东南大学数字化分析仪器研发中心、东南大学教学科研实验基地。 “四分”公司系自行设计制造高速分析仪器的专业化公司。历年来，公司凭借悠久的生产历史，雄厚的技术力量，精良的加工设备，先进的生产工艺，高精度的检测手段，以一贯奉行“诚信待客、以人为本、科技兴企、勇于创新”的企业经营理念，外抓市场，内挖潜力，严格按照《公司法》，依照 ISO9000质量体系标准运行，不断开发生产性能卓越、质量上乘、具有国内先进水平的高速分析仪器。其产品广泛应用于冶金、铸造、采矿、建筑、机械、电子、环保、卫生、化工、电力、技术监督等部门，可检测钢、铁及铁合金、铝合金等多种材料中各种化学成份的含量，如碳、硫、锰、磷、硅、铬、铜、镍、钼、钛、钒、稀土总量、镁、钨、钴、硼、铁等元素的测定，与传统法比较，其速度和精度已有了极大提高，常规的炉前控制元素检测速度达到了“读秒”水准。

一种无监督的跨受试者适应方法，用以预测未被标记信号的目标受试者的运动意图，将受试者和研究人员从标记大量数据中解放出来。 准确预测人体运动意图有助于控制可穿戴机器人在不同地形上的运动，从而辅助人类平稳行走。传统的预测人类运动意图的方法需要收集和标记人体信号，并训练每个新受试者使用特定的分类器，这给受试者和研究人员都带来了繁重负担。

导读东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法，以对运动想象(MI)任务进行分类。ESI技术采用边界元法(BEM)和加权最小范数估计(WMNE)分别解决EEG的正向和逆向问题。然后在运动皮层中创建十个scout来选择感兴趣的区域(ROI)。研究者使用Morlet小波方法从scout的时间序列中提取特征。最后，使用CNN对MI任务进行分类。实验结果:在Physionet数据库上的整体平均准确率达到94.5%，分别对左拳头、右拳头、双拳和双脚的单个准确率达到95.3%、93.3%、93.6%、96%，采用十倍交叉验证进行验证。研究人员表示，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者为验证方法的有效性，加入了4个新的受试者进行验证，发现总体平均准确率为92.5%。此外，全局分类器适应单一对象，整体平均准确率提高到94.54%。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。系统框架图1 系统框架图系统框架如图1所示。原始数据来自国际10-10系统的64个电极(不包括Nz、F9、F10、FT9、FT10、A1、A2、TP9、TP10、P9和P10电极)，并以每秒160个样本的速度采集。根据国际10-10系统从64个通道采集原始脑电图，并使用BCI2000系统进行记录。记录的数据被分为四个独立MI任务包括左拳MI,右拳MI,双拳MI和双脚MI。首先，由于ERD在执行运动想象时在alpha和beta中不同，因此使用FIR滤波器对EEG进行了8 Hz至30 Hz的带通滤波。然后，通过计算包含正问题和逆问题的源，将传感器空间的活动转化为源空间的活动。接下来，创建scout并提取特征。研究者在运动皮层中创建了10个scout，因为我们只关心与运动相关的活动。十个scout中的每一个都代表了可用源空间中的一个感兴趣的区域(ROI)，并且是定义在皮层表面或头部体积上的偶极子的子集。左脑的scout称为L1、L2、L3、L4、L5，右脑的scout称为R1、R2、R3、R4、R5。利用JTFA从10个scout的源时间序列中提取特征。最后，利用CNN对时频图进行分离并进行分类。实验在实验中，研究人员仅使用了随机选择的十个受试者的MI trail (S5，S6，S7，S8，S9，S10，S11，S12，S13，S14)。这里用于分析的数据集包含每个受试者84次试验，每一类包含21次试验。在记录64通道脑电图时，受试者执行了不同的运动想象任务。每个受试者针对以下四个任务中的每一个执行了3轮21试验：当目标出现在屏幕左侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕的右侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕顶部时，受试者想象打开和合上双手的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕底部时，目标会想象双脚张开和合拢，直到目标消失。然后受试者放松。为了统一数据维数，研究者选择了4s的数据，因为每次想象任务的执行时间都在4s左右。此外，脑电图任务是分开的，研究人员在实验中将左拳，右拳，双拳和双脚MI任务分别称为T1，T2，T3和T4。图2 scout命名左右运动想象的scout分别命名为L1、L2、L3、L4、L5、R1、R2、R3、R4、R5，如图2所示。10个scout每一个都被扩展到40个顶点，每个顶点只有一个源。L1区域对应40个信号，其他scout也一样。在计算了来源后，研究者在运动皮层中创建了十个scout，如图3所示。图3 创建10个scout使用ESI计算十个受试者(S5、S6、S7、S8、S9、S10、S11、S12、S13、S14)每次试验的四个任务(T1、T2、T3、T4)的源。对于这四项任务中的每一项，每个受试者每次都要进行7次测试(#1，#2，#3，#4，#5，#6，#7)。展示了第一个步的10个被试的10个scout的4项任务的来源。然后提取10个scout的时间序列进行进一步分析。特征提取在计算源之后，研究人员在运动皮层中创建了包含40个源的10个scout，并提取了scout的时间序列。如图4所示为提取R5 scout时间序列作为示例。图的右边显示了R5 scout的时间序列。本文利用小波变换从scout时间序列中提取特征。图4 提取R5 scout时间序列作为示例在这项研究中，研究者提出利用CNN来解决运动想象任务分类的问题。该模型基于Schirrmeister等提出的Deep ConvNet架构，该网络模型由一个六层卷积网络组成，其中两个最大池层和三个全连接层，如图5所示。图5对于Physionet数据库，研究者首先采用Deep ConvNet架构，包括四个卷积层、四个最大池层和一个全连接层。在实验中，研究者依据经验使用两个最大池化层。并尝试了不同数量的卷积层和完全连接层。时频图利用Morlet小波方法得到了scout的特征。对于每个任务，R5 scout的时频图如图6所示。包含时间和频率互补的时频分析方法提供了时域和频域的联合分布信息，清晰地描述了信号频率与时间的关系。图6 R5 scout的时频图显然，只有部分时频映射是红色的，表明每个任务只对特定的频率和时间敏感。由于图的数量比较大，研究者使用CNN来选择和学习这些图中最基本的特征。研究人员随机选择了几个样本，并将一些特征图可视化，作为MI任务的学习表示，如图7所示。图7为了获得有效的结果，将数据集分为90％作为训练集，其余10％作为测试集。首先，将十个受试者的数据集（总共19320个样本）分为17388个样本以训练所提出的CNN模型，以及1932个样本以验证模型的有效性。在实验中，研究者还选择了另外四个受试者的数据集以增加数据集的规模(27048个样本)，其中24343个样本是训练集，其他样本是测试集。在选定的scout上对所提出的CNN架构进行了十次训练和测试，以验证所提出模型的鲁棒性。图8(a)显示了10个scout中每个的全局平均精度。图8 统计结果R5的全局平均精度最高，达到94.5%，而L2的全局平均精度最低，为91.3%。对应L1、L3、L4、L5、R1、R2、R3、R4的整体准确率分别为92.4%、92.5%、93.6%、91.9%、93.0%、91.8%、92.1%、92.6%。所有scout的总体精度均在91%以上，标准差均在0.20%以下。图8(b)显示了十个scout中每个scout四个MI任务的组级统计结果及其标准差。一般来说，R5表现的要比其他的好，而L2在迭代2000中表现最差。标准差较小，说明这些精度更接近平均值且稳定。图9 统计结果图9(a)显示了带有标准差的混淆矩阵，说明了group level分类结果。T1、T2、T3和T4的全局平均精度峰值分别为95.3%、93.3%、93.6%和96.0%。R5 scout的四个MI任务中的每一个都如图9(b)所示。通过改变训练集和测试集顺序的10次试验，确定了scoutR5的性能，结果如图10(a)和(b)所示。在10次试验中，scout R5的T1、T2、T3、T4的平均准确率分别为93.3%、93.8%、94.2%、94.1%。换句话说，四个任务中每一个的平均准确率都超过了93%。全局平均准确率为93.7%。10次试验结果表明，该方法对scout R5的分类效果较好。从以上结果可以清楚地看出，R5 scout在四种MI任务的分类中扮演着最重要的角色。因此，选择R5对四个MI任务进行分类。图 10图11. (a)是不同模型的全局平均准确性的比较。可以发现，该研究提出的模型可以达到最大的精度。从图11. (b)不同模型的ROC曲线可以看出提出的模型比其他模型表现更好。©不同模型T1上的精度比较。(d)不同模型T2的精度比较。(e)不同模型T3的精度比较。(f)不同型号T4的精度比较。图11 不同模型的精度比较结论东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法。该方法可以对运动想象(MI)任务进行分类。实验结果表明，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者加入了4个新的受试者进行验证来验证方法的有效性。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。论文信息：A novel approach of decoding EEG four-class motor imagery tasks via scout ESI and CNN

本平台实现交通数据的可视化、预测、关联性分析

1.首次得出了天津市区不同土层的人工冻土的力学特性指标、变形特性指标和热物理特性指标及其变化规律；2.分析研究了人工冻结过程中温度场发展规律，给出了冻土墙设计厚度所需的平均冻结温度及时间；3.依据天津地区的工程地质和水文地质特点，确定了天津地区人工冻土设计计算方法。  

项目简介 化工设备及化工设备是在高温、高压及腐蚀环境下工作的机械设备，其零部件的安全可靠工作是整个生产装置的安全运行的基本保障。化工机械零部件的脆性破坏，对化工装置的安全生产危害性极大。它无先兆、容易引起重大事故。我们采用数值分析方法，对化工设备常用零部件的受力情况进行分析计算，运用金相分析及扫描电镜等手段对零部件断口的组织特征及微观形貌进行分析；采用化学分析方法及微区能谱分析方法对断口物质成分进行分析；采用断裂力学分析方法根据断口的形成过程对零部件的破坏进行断裂力学参量分析。应用情况 运用以上方法及手段，对武汉石油化工厂聚丙烯装置活化剂管道连接螺栓的突然破坏、原油加热装置热电偶管的突然破坏及催化装置浮头式换热器小浮头连接螺栓的突然破坏进行了失效分析，找出了导致零部件发生脆性突然破坏的原因，为采取有效措施防止此类破坏提供了参考依据，为整套装置的安全运行起到了一定的保障作用。

前瞻性队列成员管理及问卷调查智能分析系统是针对新时期大型中心人群队列的研究设计，体现了云 计算、互联网、大数据的设计理念和时代特征

2019年底湖北省武汉市的新型冠状病毒肺炎（简称“新冠肺炎”）疫情暴发以来，各高校科研院所除了源源不断派出医疗队以及进行医学类科研项目外,也纷纷在各自学术领域攻坚拔寨，以期尽快将研究成果转化为战“疫”力量。我校大数据与智能决策研究中心郭崇慧教授研究团队凭借自身优势，利用大数据手段，第一时间对新型冠状病毒肺炎疫情情况进行了分析研究，希望助力辽宁地区打赢此次疫情防控阻击战。郭崇慧教授研究团队首先基于辽宁省2020年1月22日至2月20日期间公开报导的121例新型冠状病毒肺炎（COVID-19）官方报导的实际数据，通过对每日新增及累计确诊患者数目、患者性别年龄分布、患者武汉旅行史和接触史分析、患者家族聚集性网络分析、病毒潜伏期和患者由暴露到患病的转移情况进行了疫情统计分析，以期为辽宁省积极应对疫情提供依据和参考。截至2020年2月20日24时，根据辽宁省卫生健康委员会公布的数据显示，辽宁省累计报告新型冠状病毒肺炎确诊病例121例，治愈出院61例，死亡1例。121例确诊病例中，沈阳市28例、大连市19例、鞍山市4例、本溪市3例、丹东市7例、锦州市12例、营口市1例、阜新市8例、辽阳市3例、铁岭市7例、朝阳市6例、盘锦市11例、葫芦岛市12例。辽宁省新型冠状病毒肺炎疫情分布如下图1所示。1 确诊病例时间序列分析自1月22日至2月20日24时期间，辽宁省每日增加及累计确诊患者数量如下图2-图4所示。由图可知，辽宁省每日新增确诊患者数量在1月31日达到峰值，随后整体呈现下降趋势，由于每日新增患者数量较31日下降，累计确诊患者数量走势图逐渐趋于平缓，从图3可以看出目前全省新增确诊患者数量呈现减少趋势，截至2月20日已连续四天无新增确诊患者。该现象表明自新型冠状病毒爆发以来，辽宁省采取的阻断交通、隔离、加强提高居民意识等积极防控手段取得了良好的成效。2确诊病例性别及年龄分布根据辽宁省各地区卫健委公布的患者信息，统计得到患者性别和年龄数据。其中，性别数据中沈阳市2例病例无相关信息；年龄数据中沈阳市2例、朝阳市1例、盘锦市5例无相关信息，剔除缺失数据得到下图5-图7统计结果。在辽宁省确诊病例中，男性整体占比54%，女性占比46%，男性比例偏高。从各地区来看，沈阳、大连、锦州、葫芦岛患者数目居于省前四名，在这四个地区中，沈阳、大连、葫芦岛男性比例大于女性，锦州男女比例相同，男性患者较多可能由于其活动范围广所致。同时，沈阳、大连、锦州、葫芦岛等大城市人员流动性较大，有较大的感染风险，是确诊患者数量相对较多的一个原因。患者年龄基本呈正态分布。其中，21岁-60岁区间患者数目占比78.2%，该部分患者活动能力较强，有强烈的社交需求，外出务工、求学或旅游等活动均增加了感染风险。患者人数在31岁-40岁区间最多，是感染的重点人群，此年龄范围居民建议着重加强防护。 3 确诊病例武汉旅行史及接触史分析根据患者是否有武汉（湖北）旅行史和确诊病例（或武汉人员）接触史，将患者分为四类：有武汉旅行史（无接触史）、无武汉旅行史（无接触史）、有确诊患者接触史（有旅行史）和无武汉旅行史有接触史，统计得到相关数据。对于已公布但未详细说明是否有武汉（湖北）旅行史的患者将其认定为无武汉旅行史人员，剔除沈阳市未披露信息的病例28，统计得到14地区确诊病例分类。 目前，121名确诊患者中120名披露了相关信息，确诊患者出行方式涉及私家车、火车、出租车、飞机、摆渡车。其中55名存在武汉旅行史，65名存在接触史。下面分别分析有武汉旅行史和有接触史的确诊患者与当前各地区确诊人数的关系，建立线性回归方程，计算相关系数从而分析相关性，用于指导实践。 图9（a）拟合直线方程为y = 1.7386x + 1.6169，x为各地区确诊人员中有武汉旅行史人数，y为各地区当前确诊人数，相关系数为0.8587，二者呈现相关性，说明有武汉旅行史是影响患者患病的一个因素。图中数据显示大连市当前确诊人数与有武汉市旅行史人数比值最大，说明大连市对排查有无武汉返乡或接触人员采取了较大的力度并使患者及时得到医治。图9（b）拟合直线方程为y = 1.6737x + 0.8007，x为各地区确诊人员中有接触史的人数，y为各地区当前确诊人数，皮尔逊相关系数为0.9099，二者呈现较高相关性。结果表明有接触史的人更容易患病，官方报告的病例中确诊患者多倾向于其他已确诊患者的朋友、亲属等与其有密切接触的人，与统计结果相一致。因此，分析结果表明：人群聚集、与他人接触会增加患病的风险，居家隔离可以降低风险。4 确诊人员场所聚集性及家族聚集性网络分析截至2月20日，辽宁省已成立沈阳、大连、锦州三个省集中救治中心，分别依托于沈阳市第六人民医院、大连市第六人民医院和锦州市传染病院，其中，沈阳救治中心覆盖沈阳、鞍山、抚顺、本溪、阜新、辽阳、铁岭、盘锦等8市；大连救治中心覆盖大连、丹东、营口等3市；锦州救治中心覆盖锦州、朝阳、葫芦岛等3市。分析已确诊患者之间的亲属或朋友关系、患者在医院的就诊情况以及患者在医院间的转院情况得到如下图10所示的网络图。图10中节点分别表示患者（红色）和医院（蓝色）。医院间的连接关系表示患者的转院情况，患者与医院间的指向关系表示患者的就诊情况，患者之间的连接关系表示亲属或朋友关系。图中节点大小与医院接诊人数或与确诊患者有亲属（朋友）关系的人数成正比。医院治疗患者人数（度）=医院接诊人数+转至此医院的患者人数，患者的度=与该患者有关的确诊人数（亲属或朋友）+就诊医院数目。医院间可能存在多个患者转院，两医院间边的粗细与转院的患者数目成正比，根据转移的患者数量将权重设定为相应的数值，其余权重默认为1。在患者转院关系中，依据国家提出的“四集中”工作原则，患者在本地确诊后多转院至省集中救治中心治疗。依据官方公布的数据可以明确知道患者在地区内部的转院情况以及各地区转移至省集中救治中心的患者数目，但是无法建立具体病例及其就诊医院与省集中救治中心的转院关系。因此，图10建立的聚集性网络时对各地区医院向省集中救治中心转移患者的情况不做分析。图10聚集性网络分析结果表明：在本地的确诊患者救治中，鞍山市“台安县恩良医院”和“鞍山市传染病医院”间患者转院次数最多，对应图中边最粗；由图中确诊患者间连接关系可以看出此次传染病存在明显的聚集特点，多地区确诊患者之间多存在亲属或朋友关系，其中，鞍山市和盘锦市的确诊患者具有亲属关系，出现跨地区感染的情况，具体为鞍山市病例2、病例3为夫妻关系，盘锦市病例9、病例10为夫妻关系且为鞍山市病例2、3的儿子儿媳，盘锦市病例10为病例9、10的儿子。除上述在辽宁省内跨地区感染的情况外，其余均为地区内部感染，说明政府在患者确诊后其密切接触人员及时隔离和交通管控等方面取得了很好的效果。从图10中分别抽取出沈阳市、大连市的数据，得到图11沈阳市、大连市确诊患者聚集性网络分析图。其中，大连市确诊病例3、4、5、6、8、9、10、11、18病例信息显示收治于“某定点医院”。根据“四集中”工作原则，省集中救治大连中心覆盖范围的患者转院至大连市第六医院集中救治，因此，数据分析时将大连市收治于“某定点医院”的患者确定为大连市第六人民医院就诊患者。沈阳市和大连市是辽宁省规模较大的地区，确诊患者人数居于全省第一、二名。图11分析结果显示，沈阳市沈阳第六人民医院首次收治患者数目最多，其次为中国医科大学附属第一医院，患者就诊后共发生三次转院；确诊患者中具有亲属（或朋友）关系的病例为：确诊病例6、7、8，确诊病例18、19、20，确诊病例4、5、9，确诊病例16、17，确诊病例24、15。大连市第六人民医院收治患者数目最多，其次为大连医科大学附属第一医院，确诊患者中具有亲属（或朋友）关系的病例为：确诊病例3、5、8，确诊病例6、9、10、12，确诊病例7、11，确诊病例17、18、19。沈阳市和大连市新冠肺炎的传播均表现出家族聚集性的特点，印证了其有人传人的特性，这提示我们疫情期间减少聚集，一旦家庭成员或所接触人员发生病情，自身应及时隔离，提高防范意识。在提升患者治愈水平及有效管控疫情上，除去转院至省集中救治中心的患者，我们分析各地区医院接诊患者人数，得到图12所示结果。图12分析结果表明沈阳市第六人民医院、盘锦市传染病医院和大连市第六人民医院收治患者人数最多，其次为中国医科大学附属第一医院、葫芦岛市中心医院和大连医科大学附属第一医院，沈阳市和大连市收治患者数量整体较多。在资源调配上，除了将资源分配至省集中救治中心外，还需关注各地区患者确诊及其初步治疗的医院，做到资源有效配置。 5 确诊病例潜伏期分布病毒潜伏期是指从病原体侵入人体到最初出现临床症状的一段时期。根据国家公布的信息显示，新型冠状病毒的潜伏期为14天。随着新型冠状病毒有潜伏期感染、无症状感染等情况，我们难以准确得到新型冠状病毒的潜伏期。本文假定将患者到达武汉（或返程）时间、与有武汉旅行史人员接触时间、与所接触确诊患者的首次接触时间确诊时间均定义为“病原体侵入人体的时间”，取三者最早者，应用该时间多存在误差；将患者发病时间确定为出现临床症状的时间，二者之间的时间间隔定为病毒潜伏期。同时去除潜伏期大于14天及无相关信息披露的患者，得到86例患者数据，分析结果如表1和图13、图14所示。 辽宁省有数据可查的86例确诊患者中，病毒潜伏期均值为7.767天，潜伏期大于等于8天的患者人数为48人，占比55.8%。患者出临床反映的时间是确定的，但是感染病毒的时间是不确定的，用患者到达武汉（或返程）时间、与有武汉旅行史人员接触时间、与所接触确诊患者的首次接触时间确诊时间定义为感染时间会使统计的潜伏期大于实际潜伏期，使得分析结果偏大。 图14为患者1月9日至2月20日期间转入转出人数分布，转入对应患者出现临床症状，转出对应于暴露，即患者到达武汉、与有武汉旅行史人员接触或与确诊患者首次接触的时间。图14数据表明在1月25日前有临床症状患者占比低于暴露患者，之后这些潜伏期人员逐渐出现临床症状，疾病爆发，确诊人员数目逐渐增加。若及时采取有效的手段控制疫情传播，则1月27日之后几乎不再有人员处于潜伏期，这时前期潜伏期患者逐渐发病，这批确诊患者若同时采取有效的医疗手段得到治疗，则疫情传播会逐渐被控制。 图15为截至2月20日确诊患者由暴露到患病人数转移网络分析图，图中节点为日期，节点大小与当日暴露和有临床症状的患者之和成正比，节点间指向关系为患者由暴露转移到患病的时间间隔，图15结果显示1月19日至1月24日期间人数最多，暴露和患病人数之和随时间呈现先增加后减少的趋势。辽宁省新型冠状病毒肺炎自2月17日以来，已连续四天无新增确诊患者，疫情形势出现积极变化，防控工作取得积极成效。自疫情爆发以来，全省社会经济活动停滞，连续四天无新增确诊患者的态势为尽快恢复辽宁省社会经济秩序提供了支持。只想着为抗“疫”阻击战贡献力量，郭崇慧教授说，这是关于辽宁省疫情的最新数据描述性分析结果，希冀会对相关部门决策起支持作用！我们后续预测性分析和指导性分析还会持续研究！

已有样品/n脑卒中（中风）已经成为我国致死率第一的疾病。中国目前已经有1100万的脑卒中病人，而根据世界银行对中国慢性病调查和分析，他们认为如果中国现在慢性病控制的这些状况不改变的话，到2030年中国将会有 3100万的脑卒中病人。。脑卒中病人由于肌力及肌张力异常，平衡及协调能力受限，从而严重影响病人的步行功能。研究表明，40-73%的居家脑卒中病人发生跌倒，比健康人群跌倒风险增加4倍，髋骨骨折风险增加10倍。因此，帮助脑卒中病人恢复行走能力是脑卒中康复的工作核心，而步态作为直接反映行走能力的重要指