|
搜索
搜 索
高等教育领域数字化综合服务平台
XM-603D脑解剖模型
XM-603D脑解剖模型（15部件）
XM-603D脑解剖模型可拆分为15部件，由大脑半球、胼胝体、岛叶、豆状核、尾状核、脑室系统和脑干等部件组成，并显示大脑半球、内囊、脑室系统、间脑、小脑和脑干中脑、脑桥、延髓各个部位，以及脑神经等结构。
尺寸：自然大，23×18×18cm
材质：PVC材料
上海欣曼科教设备有限公司
2021-08-23
XM-607脑水平切模型
XM-607脑水平切模型
功能特点：
■ XM-607脑水平切模型共5片，每片厚度约1.2cm。
■ 第一个切面约额叶顶部3.5cm位做水平切，以下每隔约1.2—1.5cm做剖面共4个剖面。
■ 第一剖面示：右额叶胼骶体。
■ 第二剖面示：胼骶体膝、侧脑室、岛叶、苍白球、肉速膝、尾状核、背侧丘脑。
■ 第三剖面示：胼骶体侧脑室前角、后角、尾状核、屏状核、豆状核、背侧丘脑、尾状核尾部。
■ 第四剖面示：外侧沟、豆状核、红核黑质第三脑室、侧脑室下角、中脑水管。
■ 尺寸：自然大，19×18×24cm
■ 材质：玻璃钢材料
上海欣曼科教设备有限公司
2021-08-23
XM-603D脑解剖模型
XM-603D脑解剖模型（15部件）
XM-603D脑解剖模型可拆分为15部件，由大脑半球、胼胝体、岛叶、豆状核、尾状核、脑室系统和脑干等部件组成，并显示大脑半球、内囊、脑室系统、间脑、小脑和脑干中脑、脑桥、延髓各个部位，以及脑神经等结构。
尺寸：自然大，23×18×18cm
材质：PVC材料
上海欣曼科教设备有限公司
2021-08-23
XM-603C脑解剖模型
XM-603C脑解剖模型（15部件）
XM-603C脑解剖模型由大脑半球、胼胝体、岛叶、豆状核、尾状核、脑室系统和脑干等15个部件组成，并显示大脑半球、内囊、脑室系统、间脑、小脑和脑干中脑、脑桥、延髓各个部位，以及脑神经等结构，同时按不同功能部位用颜色加以区别。
尺寸：自然大，23×18×18cm
材质：PVC材料
上海欣曼科教设备有限公司
2021-08-23
XM-603B脑解剖模型
XM-603B脑解剖模型（9部件）
XM-603B脑解剖模型可拆分为9部件，用于了解脑各部分的相互关系，显示了脑的外形结构、大脑外侧面主要结构、大脑的半球内侧面和底面的主要结构、脑干各面的主要结构、小脑的主要结构。
尺寸：自然大，18.5×14×13.5cm
材质：PVC材料
上海欣曼科教设备有限公司
2021-08-23
XM-607脑水平切模型
XM-607脑水平切模型
功能特点：
■ XM-607脑水平切模型共5片，每片厚度约1.2cm。
■ 第一个切面约额叶顶部3.5cm位做水平切，以下每隔约1.2—1.5cm做剖面共4个剖面。
■ 第一剖面示：右额叶胼骶体。
■ 第二剖面示：胼骶体膝、侧脑室、岛叶、苍白球、肉速膝、尾状核、背侧丘脑。
■ 第三剖面示：胼骶体侧脑室前角、后角、尾状核、屏状核、豆状核、背侧丘脑、尾状核尾部。
■ 第四剖面示：外侧沟、豆状核、红核黑质第三脑室、侧脑室下角、中脑水管。
■ 尺寸：自然大，19×18×24cm
■ 材质：玻璃钢材料
上海欣曼科教设备有限公司
2021-08-23
前瞻性队列成员管理及问卷调查智能分析系统
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
中山大学
2021-04-10
智能化嵌入式软件随机故障分析再现与诊断技术
针对特定的故障现象（尤其是随机故障、间歇性故障等），通过综合贝叶斯网络、FMEA、FTA等多种故障分析方法、融合多元故障相关信息（故障现象、故障案例、专家经验、故障模型等），进行系统深入的故障分析、找出可能的故障原因；利用智能化的方法（如遗传算法、群智能算法等），结合强度和异常等测试理念，自动生成满足多目标（如各种覆盖率、故障现象的匹配度等）的测试用例，借助自主构建的通用嵌入式软件仿真测试环境，实现故障的快速再现和基于贝叶斯的动态故障定位。 通过智能化的嵌入式软件随机故障分析再现与诊断，可以在故障分析、故障再现、故障定位等方面，利用智能化方法进行系统性、启发式的故障诊断研究，形成一系列的智能故障诊断分析工具包、进而形成嵌入式软件故障诊断分析专家系统，可有效提高故障诊断与定位分析的效率。
北京航空航天大学
2021-04-13
人脸图像的智能识别和手势姿态分析的人机交互技术
作为计算机视觉和模式识别领域中最为成功的应用之一，生物特征识别技术一直受到学术界和业界非常高的重视，生物特征识别技术应用领域非常广泛，比如法律执行部门、军事、政府部门、金融服务、游戏产业、医疗产业、高科技与电信产业、工业制造、零售业、旅游和运输业等。
西安交通大学
2021-04-11
无需 POS 辅助的低空遥感影像快速自动拼接方法
本发明公开了一种无需 POS 辅助的低空遥感影像快速自动拼接方法，包括步骤:步骤 1，低空遥感 影像测区的全自动恢复;步骤 2，根据精匹配种子点对预处理后的影像进行精匹配获得精匹配结果;步 骤 3，对精匹配结果进行自由网平差迭代获得平差结果;步骤 4，根据差结果内插生成影像的数字地面 模型，根据平差结果获取影像在自由网坐标系下的相对外方位元素，基于数字地面模型和相对外方位元 素对各影像进行正射纠正，同时生成测区的正射影像拼接图。本发明无需 POS 数据辅助，可实现全自 动、快速生产正射影像拼图，能满足遥感影像准实时处理要求，适用于灾害应急响应、军事保障等领域。
武汉大学
2021-04-13