XM/CPR490高级全自动电脑心肺复苏模拟人（实战考核）   执行标准：执行美国心脏学会(AHA)2015国际心肺复苏(CPR)＆心血管急救(ECC)指南标准。 XM/CPR490实战考核的高级全自动电脑心肺复苏模拟人功能进行了升级，突出CPR训练操作的铺助功能，以及可自行设定各项数值，更加符合临床和教学练习CPR操作要求，模拟人面皮肤、颈皮肤、胸皮肤、头发采用热塑弹性体混合胶材料由不锈钢模具经注塑机高温注压而成，具有解剖标志准确、手感真实、肤色统一、形态逼真、消毒清洗不变形、拆装更换方便等特点。   一、功能特点： ■ 模拟人解剖特征明显，手感真实，肤色统一，形态逼真，外形美观。 ■ 模拟生命体征： · 初始状态时，模拟人瞳孔散大，颈动脉无搏动。 · 按压过程中，模拟人颈动脉被动搏动，搏动频率与按压频率一致。 · 抢救成功后，模拟人瞳孔恢复正常，颈动脉自主搏动。 · 瞳孔缩放和颈动脉搏动由开关可开启和关闭。 ■ 可进行人工呼吸和心外按压，可模拟标准气道开放，气道指示灯变亮。 ■ 三种操作方式：可进行CPR训练、考核和实战考核。 · 方式一：CPR训练，可进行按压和吹气训练。 · 方式二：模式考核，在设定的时间内，根据2015国际心肺复苏标准，正确按压和吹气数30：2的比例，完成5个循环操作。 · 方式三：实战考核，老师可自行设定操作时间范围、操作标准、循环次数、操作频率、按压和吹气的比例。   二、控制器显示屏功能： ■ 电子监测：电子指示灯显示监测气道开放和按压部位，人工呼吸和胸外按压的正确次数计数和错误次数计数。 ■ 语音提示：训练和考核中全程中文语音提示，可开启和关闭语音、调节音量。 ■ 条形码显示吹气量：正确的吹气量为500~600ml-1000ml： · 吹气量过少时，条形码为黄色。 · 吹气量合适时，条形码为绿色。 · 吹气量过大时，条形码为红色。 · 吹入的潮气量过快或超大，造成气体进入胃部指示灯显示、数码计数显示、错误语言提示。 ■ 条形码显示按压深度，正确的按压深度5-6cm： · 按压深度过少时，条形码为黄色。 · 按压深度合适时，条形码为绿色。 · 按压深度过大时，条形码为红色。 ■ 可自行设定操作时间，以秒为单位计时。 ■ 操作频率：100-120次/分。 ■ 电源状态：采用220V电源，经过稳压器稳压后输出电源12V。   三、打印功能： ■ 操作结束后打印操作过程。 ■ 成绩单内容涵盖操作方式、意识判断、急救呼吸、脉搏检查、检查呼吸、清除异物、操作频率、按压与吹气比例、循环次数、每个循环操作中按压和吹气的次数、按压正确/错误次数、按压错误的原因和次数、吹气正确/错误的原因和次数、吹气错误的原因、设定时间、操作时间和考核评定。   四、标准配置： ■ 高级心肺复苏人体模型：1台 ■ 电脑数码显示器：1台 ■ 豪华手拉推式人体硬塑箱：1只 ■ 复苏操作垫：1条 ■ 呼吸面膜(50张/盒)：1盒 ■ 可换肺囊装置：4套 ■ 可换面皮：1只 ■ 热敏打印纸：2卷 ■ 操作指南光盘：1张 ■ 现场急救常用技术使用手册：1本 ■ 数据线：1条 ■ 电源线：1条 ■ 说明书：1册 ■ 保修卡合格证：1张

一种基于(Ti,M)(C,N)固溶体粉的弱芯环结构新型金属陶瓷材料,其原料组分及各组分的重量百分数为10～20%的Co或/和Ni粉末,10～35%的第二类碳化物粉末和余量的(Ti,M)(C,N)固溶体粉,所述(Ti,M)(C,N)固溶体粉中M为W、Mo、V、Cr、Ta、Nb中的至少一种,所述第二类碳化物为WC、VxC(0

浙江大学水质自动监测站竞争性磋商

一种树径生长量的自动测量装置，通过无线网络节点远程监测装置实现实时监测树径的实时生长量和生长状态；包括装置固定模块和测量模块；装置固定模块将测量模块固定于树干上需要测量树径变化量的位置上；测量模块包括带有弹簧的直线位移传感器、测头端滑轮、转向滑轮、导向滑轮、无弹性细钢丝绳、卡头和测头端滑轮与带有弹簧的直线位移传感器的连接部分；无弹性细钢丝绳通过转向滑轮、导向滑轮和测头端滑轮后，无弹性细钢丝绳环抱于需要测量树径的位置上，通过卡头将无弹性细钢丝绳两端卡紧；根据带有弹簧的直线位移传感器的位移量来确定树径生长的变化量。

主要功能和应用领域： 本技术可实现人粪便样本显微镜检有型成分图像的自动识别与分类，利用计算机图像处理、模式识别及人工智能的理论与技术，对显微镜下拍摄到的粪便样本图像进行研究，通过对各种有型成分形态和颜色信息等进行特征匹配与分类计数，分别标示出红细胞、白细胞、虫卵和真菌孢子等不同种类的有型成分，从而达到在线自动识别有型成分的目的，作为医院临床诊断的依据。该技术可扩展应用于医院尿液、白带、脑脊液、胸腹水、胃液、精液等常规检查，并可用于脱落细胞学的癌及癌前病变检测及分析。 特色及先进性： 1）复杂背景环境下的自动识别。采用自适应双闭值分割算法进行粗分割，提取出ROI区域中的单个细胞或细胞群作为分析目标，细胞图像的精细分割将在每个ROI区域里完成，极大地减少了数据运算量。 2）针对形态各异和边缘模糊图像的精准分割。针对有型成分的显微生物图像特点，去除边界拓扑结构复杂、细胞各组成区域内灰度不均匀以及成像易受噪声干扰等因素的影响，基于Chan一Vese模型，提出几何活动轮廓模型方法，使用几个独立的水平集进行有型成分图像的分割，与传统分割方法对比准确率提升30%。 3）针对种类繁多的神经网络集成识别。基于普通神经网络泛化能力不高的问题，提出利用有限个神经网络进行集成并将其结果进行合成，显著的提高整个分类学习器的泛化能力，提高了整个系统的识别能力。 4）采用重叠分离算法精准分类。有型成分分离、细胞个数的准确读取决定了整个系统的精准程度。通过寻找到合适的分离点并构建分离线，实现重叠区域的快速合理分离，从而将粘连、重叠的细胞分离开来，并进行准确计数。 技术指标： 有型成分 漏检率 误检率 白细胞 5% 15% 脓球 20% 30% 吞噬细胞 20% 30% 红细胞 5% 15% 孢子 15% 25% 夏科雷登结晶 10% 10% 寄生虫 5% 15% 脂肪球 10% 15% 单张图片检测时间：＜0.5 s 关键问题和实施效果 现今国内大多数医院和研究单位对生物细胞或微生物病菌等检测还是采用人工处理的方式，即将样品制成涂片，在显微镜下观察并根据大小、形状等特征进行分类计数以得到数据结果，医务人员再通过这些数据结果凭借自身的知识和经验诊断病症或得出研究数据。该技术能够实现样本显微镜检有型成分的自动识别，满足了临床开展常规及特殊检测需要，使得生物检测在自动化、无异味、无危险性的情况下进行，提高了检测效率，改善工作环境，保护工作人员，降低检测成本和检测时间，提高在国际市场的竞争力，有利于医疗检测行业的智能化发展。该技术可识别的部分生物细胞图像如下图所示。 红细胞 白细胞 霉菌 虫卵