产品详细介绍产品简介：　　 MiniQMR清醒小动物体成分分析与成像系统适用于测量活体小鼠、大鼠及其他动物体内全组分的台式核磁共振成像分析仪，可快速、无损准确的测量动物脂肪、水分、瘦肉含量，并提供成像功能，进行脂肪分布研究。　　MiniQMR清醒小动物体成分分析与成像系统（动物脂肪/代谢测量仪），是基于核磁共振（NMR)原理的分析技术。不同组织中H质子含量以及H质子的弛豫时间均有一定的差异，可通过核磁共振信号强度与弛豫时间差异，用特定的信号处理与算法将脂肪、水分、瘦肉含量快速的区分开来。该方法可在小动物清醒状态下完成测试，测试过程对动物没有伤害，可对同一动物模型进行长期持续研究，排除个体差异影响。该仪器可用于从事糖尿病、肥胖症、代谢研究和营养学的科研机构、相应的大学和制药公司。技术指标：1、磁体类型：永磁体；2、磁场强度：0.5±0.08T，仪器主频率：21.3MHz；3、探头线圈直径：60mm；应用领域：1、肥胖研究2、糖尿病3、营养学研究4、药理学5、骨质疏松症6、心脏病学等研究仪器优势与功能：1、脂肪含量测定2、瘦肉含量测定3、自由水含量测定4、脂肪分布成像5、几分钟内检测全身的肌肉、脂肪和水分含量6、适合不同体位的测试，放样对测试无影响7、永磁体，无维护费用，使用成本低8、适用于裸鼠、小鼠和大鼠9、测试过程无损伤，对动物无风险10、动物可在清醒状态下测试，无需麻醉，测试过程简单应用案例一：快速测定老鼠脂肪，瘦肉含量应用案例二：脂肪分布-核磁共振成像测试应用软件注：仪器外观如有变动，以产品技术资料为准。

产品详细介绍LA-S植物根系分析仪系统（独立版）1、用途：用于对洗净后的根系图像进行多参数、批量化的自动分析。2、系统组成：双光源扫描成像仪及根盘附件、分析软件和电脑（电脑另配）。3、 主要性能指标：配光学分辨率4800×9600、A4加长的双光源彩色扫描仪。根系反射稿幅面为355.6mm×215.9mm，透扫幅面为304.8mm×203.2mm，最小像素尺寸0.005mm×0.0026 mm。可分析测量：1)根总长；2)根平均直径；3)根总面积；4)根总体积；5)根尖计数；6)分叉计数；7)交叠计数；8)根直径等级分布参数；9)根尖段长分布，10）可不等间距地自定义分段直径，自动测量各直径段长度、投影面积、表面积、体积 等，及其分布参数；11）能进行根系的颜色分析，确定出根系存活数量，输出不同颜色根系的直径、长度、投影面积、表面积、体积。12）能进行根系的拓扑分析，自动确定根的连接数、关系角等，还能单独地自动分析主根或任意一支侧根的长度和分叉数等，可单独显示标记根系的任意直径段相应各参数（分档数、档直径范围任意可改，可不等间距地自定义），并能进行根的分叉裁剪、合并、连接等修正，修正操作能回退，以快速获得100%正确的结果。13）能用盒维数法自动测根系分形维数。可分析根瘤菌体积在根系中的占比，以客观确定根瘤菌体贡献量。14）大批量的全自动根系分析，对各分析结果图可编辑修正。15）能做根系生物量分布的大批量自动化估算。16）能自动测量油菜、大豆等果荚的果柄、果身、果喙部分的粗细、长、弧长、玄高等参数。17）能自动测量各种粒的芒长。18）能测各类针叶的叶面积、长度、粗细。19）各分析图像、分布图、结果数据可保存，分析结果输出至Excel表，可输出分析标记图。推荐选配品牌电脑：品牌电脑（酷睿i5 CPU / 8G内存/ 19.5”彩显/无线网卡，5个以上USB2.0口，运行环境Windows 10完整专业版或旗舰版）。

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

本产品和技术依据细胞代谢流在线检测与计算分析原理，配置上除常规的温度、搅拌转 速、消泡、pH、溶解氧浓度 (DO) 等测量控制以外，还增添了发酵液真实体积、高精度补料量 (如基质、前体、油、酸碱物) 测量与控制，高精度通气流量与罐压电信号测量与控制，并与尾 气CO2和O2分析仪或质谱仪连接。可精确得到发酵过程计算机参数优化与放大所必需的包括 各种代谢流特征或工程特征的间接参数，如摄氧率 (OUR) 、二氧化碳释放率 (CER) 、呼吸商 (RQ) 、体积氧传递系数 (KLa) 、比生长速率 (µ) 等。广泛应用于生物制药 (传统生物制药和现 代基因工程制药) 、食品轻工发酵、农业生物 (微生物饲料、微生物农药、微生物肥料和动物 疫苗) 、新兴生物能源和石化环保等行业工业化工程项目的系统设计和全面技术实施。带动了 多个行业技术进步。

研究方向：微操作机器人系统、微纳设计与加工、生物模式形成与组 织发育建模。 项目简介： 在国家自然科学基金国家重大科研仪器设备研制专项（项目编号 61327802）等资助下，本项目研究团队自主研发了面向生命科学的原 位显微分析与操作仪。研究团队利用该仪器实现了机器人化的体细胞 核移植，进而将该技术应用于猪克隆流程，成功获得了克隆猪仔。这 是国际上首次利用机器人技术获得的克隆猪。 作为一种常用的外源物导入细胞的方式，细胞显微操作技术广泛 应用于生物工程领域。为了减轻实验操作者的工作负担，研究者开发 出自动化微操作系统，实现了自动化胚胎注射、机器人化单精注射、 机器人化贴壁细胞注射等多类微操作。然而，目前自动化微操作的操 作过程与手工操作类似，这些操作在保证操作本身高效、高成功率的 同时，并没有考虑到微操作对后续生物过程（如后续细胞培养）的影 响，因此无法获得显著优于手工操作的生物结果。 研究团队面向生命科学发展的迫切需求，研制出具有可视化、微 创化、定点化、定量化功能的，集检测分析与操作于一体的原位显微 分析与操作仪，利用该仪器实现了机器人化的细胞核移植流程，并通 过分析微操作工具与细胞接触过程中的细胞受力情况，实现了基于最 小力的细胞拨动与细胞抽核，保证了细胞核移植操作过程中细胞受力 最小。实验结果表明，基于最小力的细胞拨动与细胞抽核方法，显著 减少了细胞拨动过程对细胞的伤害；后续细胞培养实验表明，与人工 操作相比，细胞后续发育率显著提高,标志克隆成功的体外囊胚率从 10%提高到 21%。2017 年 1 月初，研究团队分四批完成了 510 例核 移植操作,并将这 510 枚克隆胚胎移植到 6 头母猪体内，两头母猪顺利受孕；4 月底，两头受孕母猪产下成活克隆猪 17 头。 上述研究第一次用后续细胞培养成功率作为评测依据，建立了操 作过程细胞受力情况与后续细胞发育的联系,得出了操作过程细胞受 力越小，则伤害越小，最终细胞发育成功率越高的结论。该研究对其 它机器人化生物操作有借鉴意义。

本项目研究团队自主研发了面向生命科学的原位显微分析与操作仪。研究团队利用该仪器实现了机器人化的体细胞核移植，进而将该技术应用于猪克隆流程，成功获得了克隆猪仔。这是国际上首次利用机器人技术获得的克隆动物。 研究团队面向生命科学发展的迫切需求，研制出具有可视化、微创化、定点化、定量化功能的，集检测分析与操作于一体的原位显微分析与操作仪，利用该仪器实现了机器人化的细胞核移植流程，并通 过分析微操作工具与细胞接触过程中的细胞受力情况，实现了基于最小力的细胞拨动与细胞抽核，保证了细胞核移植操作过程中细胞受力最小。实验结果表明，基于最小力的细胞拨动与细胞抽核方法，显著减少了细胞拨动过程对细胞的伤害；后续细胞培养实验表明，与人工操作相比，细胞后续发育率显著提高,标志克隆成功的体外囊胚率从10%提高到 21%。2017 年 1 月初，研究团队分四批完成了 510 例核移植操作,并将这 510 枚克隆胚胎移植到 6 头母猪体内，两头母猪顺利受孕；4 月底，两头受孕母猪产下成活克隆猪 17 头。 上述研究第一次用后续细胞培养成功率作为评测依据，建立了操作过程细胞受力情况与后续细胞发育的联系,得出了操作过程细胞受力越小，则伤害越小，最终细胞发育成功率越高的结论。该研究对其它机器人化生物操作有借鉴意义。在深度信息提取、显微视野拓展、超声振动细胞穿入等方面拥有多项专利。

鼻咽癌家系队列成员管理及问卷调查智能分析系统是针对广东地区异常高发的鼻咽癌特殊人群——有 2个及2个以上的鼻咽癌亲属的、以家庭为单位的鼻咽癌高发家系为主要研究对象的研究设计，体现了云计 算、互联网、大数据的设计理念和时代特征。

本发明公开了一种基于移动终端的答题卡识别分析方法及系统，属于图像识别技术领域。本发明包括数据通讯模块、图像处理模块、记分统计模块、数据存储模块和数据输出模块。通过采用二阶图像势能原理进行赋值运算，每一个选项赋值为2的n‑1次幂，n代表选项的顺序号，每一题中任意选项的组合求其所有选项值的算术和即为该题的选项值，确保任意一个选项组合都不会出现重复值，得出该答题信息的成绩。本发明使用已广泛普及的智能移动终端设备，具有操作简单、便于携带、硬件成本低、耗材廉价、无专业印刷技术要求等特点。本发明不仅可用于教学、培训、心理测量还可用于调查统计分析领域具有明显的经济效益和应用价值。

已有样品/n我国慢病患者群体超过2.6 亿，慢病的早期预防、诊断、筛查变得尤为重要。该系统包含体检业务服务系统、家庭健康监测管理服务系统、第三方家庭健康服务支撑平台三类产品：客户群体是健康大数据数据采集、分析、服务的基础。本项目通过三类服务凝聚客户：1）以三甲医院体检中心为基地，通过智能体检服务、基于三甲医院权威的体检诊疗、康复方法指导，建立稳定的体检群体。2）通过移动互联网将服务群体拓展到慢病/老年病群体。基于体检