|
搜索
搜 索
高等教育領域數字化綜合服務平臺
A、B、O血型演示模型
產品詳細介紹
福州九天智能科技有限公司
2021-08-23
血型超快速檢測試紙
在國際上首創出血型超快速檢測試紙，利用染料顯色反應進行血型表型檢測，僅需一滴血液即可在30 秒內完成AB0正定型和Rh血型檢測，速度較現有主流技術提升40倍以上。同時 在國際上首次實現AB0正反定型同步直接檢測(2分鐘完成)，無需離心過程。其檢測卡為便攜式設計，操作簡單，肉眼即可通過顏色變化判斷血型；無需大型 儀器設備，可滿足室內、外使用。此外，也可配合自動檢測系統，實現試紙卡的 自動加樣、檢測、出報告，滿足臨床大樣本檢測需求。現已構建出AB0血型卡、 ABD血型卡、ABO&Rh血型卡、其他稀有血型卡等以適應不同需求；同時可做成4 人份或8人份等，滿足臨床多人份檢測需要;經6000余例樣本測試，準確率100%。
重慶大學
2021-04-11
A、B、O血型磁性演示塊
產品詳細介紹
四川省自貢市貝爾吉標本模型廠
2021-08-23
A、B、O血型磁性演示塊
產品詳細介紹
蘇州市醫學教學模型制造有限公司
2021-08-23
A、B、O血型磁性演示塊
產品詳細介紹
張家港市樂余模型廠
2021-08-23
新冠病毒血型感染研究
武漢大學人民醫院、武漢市金銀潭醫院、深圳市第三人民醫院等機構的研究人員從血型角度出發，試圖找出ABO血型與COVID-19易感性的聯系。先前已有病毒感染的易感性與血型相關的研究。如諾如病毒和乙型肝炎有明確的血型敏感性，也有報道稱O型血的人被SARS冠狀病毒感染機會較低。 這項新研究發現，A型血的人更容易感染，O型血的人相對風險更低。相關研究成果以“Relationship between the ABO Blood Group and the COVID-19 Susceptibility”為題發表在預印本平臺medRxiv上。值得注意的是，這是首個新冠病毒（SARS-Cov-2）感染和血型關系的研究。具體來說，研究人員共納入1775例武漢金銀潭醫院COVID-19患者（包含206例死亡病例）、113例武漢大學人民醫院COVID-19患者、285例深圳第三人民醫院COVID-19患者的ABO型血液樣本，并以武漢3694名和深圳23386名正常人最近兩次ABO血型分布調查作為對照組。統計分析采用的方法是單因素方差分析 (one-way ANOVA)和雙尾(2-tailed)卡方檢驗。作者還采用隨機效應模型(REM)，對不同醫院的數據進行Meta分析，置信區間為95%，并且計算了OR值。結果顯示，武漢市3694名正常人的ABO血型百分比分別為，A型32.16％、B型24.90％、AB型9.10％、O型33.84％。武漢市金銀潭醫院的1775例COVID-19患者的ABO血型百分比分別為，A型37.75％、B型26.42％、AB型10.03％、O型25.80％。總結來說， 不同血型人群感染SARS-CoV-2的相關風險也不同。A型血與風險增加相關，而O型血與風險降低相關。該研究成果還需要進一步研究來證明，但其對于臨床有著積極的意義：(1) A型血患者可能需要特別加強個人防護以減少感染的機會；(2) A型血患者感染SARS-CoV-2可能需要更警惕的監測和積極的治療；(3)作為SARS-CoV-2感染管理的常規部分，在患者和醫務人員中引入ABO血型分型可能會有所幫助。查看原文
武漢大學
2021-04-10
植物表型成像分析系統（植物自動傳送版）
產品詳細介紹
PlantScreen植物表型成像分析系統（植物自動傳送版）
PlantScreen植物表型成像系統由捷克PSI公司研制生產，整合了LED植物智能培養、自動化控制系統、葉綠素熒光成像測量分析、植物熱成像分析、植物近紅外成像分析、植物高光譜分析、自動條碼識別管理、RGB真彩3D成像、自動稱重與澆灌系統等多項先進技術，以最優化的方式實現大量植物樣品——從擬南芥、玉米到各種其它植物的全方位生理生態與形態結構成像分析，用于高通量植物表型成像分析測量、植物脅迫響應成像分析測量、植物生長分析測量、生態毒理學研究、性狀識別及植物生理生態分析研究等。作為全球第一家研制生產植物葉綠素熒光成像系統的廠家，PSI公司在植物表型成像分析領域處于全球的技術前列，大面積葉綠素熒光成像分析功能使PlantScreen成為植物表型分析與功能成像分析的最為先進的儀器設備，使植物生長、脅迫響應等測量參數達100多個。
左圖為整套PlantScreen系統，中圖為成像室，右圖為成像室中的玉米
PlantScreen系統包括如下成像分析功能：
1. 葉綠素熒光成像分析：單幅成像面積35x35cm，成像測量參數包括Fo, Fm, Fv, Fo’, Fm’, Fv’, Ft, Fv/Fm, Fv’/Fm’, Phi_PSII, NPQ, qN, qP, Rfd等幾十個葉綠素熒光參數
2. RGB成像分析：成像測量參數包括：
1) 葉面積（Leaf Area: Useful for monitoring growth rate）
2) 植物緊實度／緊密度（Solidity/Compactness. Ratio between the area covered by the plant’s convex hull and the area covered by the actual plant）
3) 葉片周長（Leaf Perimeter: Particularly useful for the basic leaf shape and width evaluation (combined with leaf area)）
4) 偏心率（Eccentricity: Plant shape estimation, scalar number, eccentricity of the ellipse with same second moments as the plant (0...circle, 1...line segment)）
5) 葉圓度（Roundness: Based on evaluating the ratio between leaf area and perimeter. Gives information about leaf roundness）
6) 葉寬指數（Medium Leaf Width Index: Leaf area proportional to the plant skeleton (i.e. reduction of the leaf to line segment)）
7) 葉片細長度SOL (Slenderness of Leaves)
8) 植物圓直徑（Circle Diameter. Diameter of a circle with the same area as the plant）
9) 凸包面積（Convex Hull Area. Useful for compactness evaluation）
10) 植物質心（Centroid. Center of the plant mass position (particularly useful for the eccentricity evaluation)）
11) 節間距（Internodal Distances）
12) 生長高度（Growth Height）
13) 植物三維最大高度和寬度（Maximum Height and Width of Plant in 3 Dimensions）
14) 相對生長速率（Relative growth rate）
15) 葉傾角（Leaf Angle）
16) 節葉片數量（Leaf Number at Nodes）
17) 其它參數如用于植物適合度估算的顏色定量分級、綠度指數（Other parameters such as color segmentation for plant fitness evaluation, greening index and others）
3. 高光譜成像分析（選配），可成像并分析如下參數：
1) 歸一化指數（Normalized Difference Vegetation Index (NDVI)）
2) 簡單比值指數（Simple Ratio Index, Equation: SR = RNIR / RRED）
3) 改進的葉綠素吸收反射指數（Modified Chlorophyll Absorption in Reflectance Index (MCARI1), ?Equation: MCARI1 = 1.2 * [2.5 * (R790- R670) - 1.3 * (R790- R550)]）
4) 最優化土壤調整植被指數（Optimized Soil-Adjusted Vegetation Index (OSAVI)?, Equation: OSAVI = (1 + 0.16) * (R790- R670) / (R790- R670 + 0.16)）
5) 綠度指數（Greenness Index (G), Equation: G = R554 / R677）
6) 改進的葉綠素吸收反射指數（Modified Chlorophyll Absorption in Reflectance Index (MCARI), ?Equation: MCARI = [(R700- R670) - 0.2 * (R700- R550)] * (R700/ R670)）
7) 轉換類胡羅卜素指數（Transformed CAR Index (TCARI)?, Equation: TSARI = 3 * [(R700- R670) - 0.2 * (R700- R550) * (R700/ R670)]）
8) 三角植被指數（Triangular Vegetation Index (TVI)?, ?Equation: TVI = 0.5 * [120 * (R750- R550) - 200 * (R670- R550)]）
9) ZMI指數（Zarco-Tejada & Miller Index (ZMI), Equation: ZMI = R750 / R710）
10) 簡單比值色素指數（Simple Ratio Pigment Index (SRPI), Equation: SRPI = R430 / R680）
11) 歸一化脫鎂作用指數（Normalized Phaeophytinization Index (NPQI), Equation: NPQI = (R415- R435) / (R415+ R435)）
12) 光化學植被反射指數（Photochemical Reflectance Index (PRI), Equation: PRI = (R531- R570) / (R531+ R570)）
13) 歸一化葉綠素指數（Normalized Pigment Chlorophyll Index (NPCI), NPCI = (R680- R430) / (R680+ R430)）
14) Carter指數（Carter Indices?, Equation: Ctr1 = R695 / R420; Ctr2 = R695 / R760）
15) Lichtenthaler指數（Lichtenthaler Indices?, Equation: Lic1 = (R790 - R680) / (R790 + R680); Lic2 = R440 / R690）
16) SIPI指數（Structure Intensive Pigment Index (SIPI), Equation: SIPI = (R790- R450) / (R790+ R650)）
17) Gitelson－Merzlyak指數（Gitelson and Merzlyak Indices?, ?Equation: GM1 = R750/ R550; GM2 = R750/ R700）
4. 熱成像分析（選配）：用于成像分析植物在光輻射情況下的二維發熱分布，良好的散熱可以使植物耐受較長時間的高光輻射或低水條件（干旱）
5. 近紅外成像分析（選配）：用于觀測分析植物的水分狀態及其在不同組織間的分布變異，處于良好澆灌狀態的植物表現出對近紅外光譜的高吸收性，而處于干旱狀態的植物則表現出對近紅外光譜的高反射性，通過分析軟件可以監測分析從干旱脅迫到再澆灌過程中的整個過程動態及植物對干旱脅迫的響應和水分利用效率，并形成假彩圖像，可以與植物的形態指數及葉綠素熒光指數進行相關分析研究。
系統配置與工作原理：
整套系統由自動化植物傳送系統、光適應室、RGB成像、FluorCam葉綠素熒光成像、高光譜成像、植物熱成像、植物近紅外成像、自動澆灌施肥與稱重系統、植物標識系統等組成，光適應室內的植物可由傳送帶傳送到成像室進行成像分析等。
技術指標：
1. 自動裝載與卸載植物樣品，通過條形碼或RFID標簽識別跟蹤樣品
2. 光適應室：用于光照適應或植物培養，LED光源光照強度達1000μmol/m2.s，無熱效應，強度0－100%可調，可通過實驗程序預設光照周期變化，可選配通用型或專用型如水稻生長觀測室等，還可選配三維掃瞄成像分析功能（包括XYZ三維掃瞄成像系統和軟件）
3. 標配托盤架30x30cm，用于安放盆栽植物或可以盛放多個小花盆的托盤
4. 自動傳送系統由光適應室到成像室形成一個環形傳送通道，傳送帶采用具變速器的三相異步馬達，200-1000W，傳送帶寬320mm，負載力130kg，速度9m/min
5. 移動控制系統中央處理單元：CJ2M-CPU33；數字I/O：最大2560點；PLC通訊：通過以太網100Mb/s高端PC；OMRON MECHATROLINK-II 最大16軸精確定位
6. 植物成像測量室：150cm(長)x150cm(寬)x220cm(高)，與環境光隔離（light-isolated），快速自動開啟關閉門，開啟關閉周期小于3秒，傳送帶入口具光幕傳感系統、條碼識別器和RFID讀取器
7. RFID讀取器辨識距離：2-20cm；通訊：RS485；條碼識別器可讀取1維、2維和QR碼，具LED光源便于弱光下辨識，RS485通訊
8. F3EM2光幕系統，精確測量植物高度和寬度以便進入成像測量室后攝像頭自動精確定位，測量范圍150cm，分辨率5mm
9. 葉綠素熒光成像：包括光隔離成像室、自動開啟與關閉門、傳送帶、PLC控制自動上下移動聚焦系統、4個LED光源板、8位綠波輪等，單幅成像面積35x35cm，測量光橙色620nm，橙色和白色雙波長光化學光，飽和光閃為白色或藍色
10. 自動灌溉與稱重，可同時對5個植物種植盆進行澆灌和稱重，精確度±1g；稱重后精確澆灌，可通過實驗程序（protocol）預設澆灌過程（regime）或干旱脅迫狀態，還可選配營養供給系統隨澆灌定量供給植物營養（如氮肥等）；稱重前自動零校準，還可通過已知重量（如砝碼）物品自動進行再校準；防護級別：IP66
11. 稱重系統由4個稱重單元組成，安全承載限：150% Ln；溫度補償：-10－40°C，標配測量范圍7kg，可選配10kg、15kg或20kg
12. RGB成像：頂部和側面三維成像（3個攝像頭），每個攝像頭各自擁有獨立的控制面盤以設置曝光時間、增益、白平衡等，通過控制面盤的快照鍵可即時拍照并顯示分辨率等信息，還可通過自動模式自動成像并存儲至數據庫，每次掃瞄成像時間小于10秒
13. RGB成像系統包括成像室（光隔離）、傳送帶及位置傳感器、3個攝像頭、光源及成像分析軟件，標配成像范圍150cm(長)x150cm(寬)x150cm(高)，LED冷白光源（不對植物產生熱效應）
14. 標配USB以太網攝像頭，有效像素4008x2672，像素大小9.0μm，比特分辨率12比特，光量子效率：藍光峰值465nm，綠色峰值540nm，紅色峰值610nm；28mm光學鏡頭，口徑43.2mm，光圈范圍2.8－F16
15. NIR近紅外成像單元：可成像采集1450－1600nm水吸收波段，以反映植物水分狀況，在供水充沛情況下表現出高NIR吸收值，干旱脅迫情況下則表現出高NIR反射，NIR假彩色成像可以通過軟件反映和分析植物水分狀況
16. 高光譜成像單元包括光隔離成像測量室、自動開啟關閉門、傳送帶、PLC控制自動移動聚焦鏡頭包括SWIR和VNIR鏡頭、光源、成像分析系統等，VNIR鏡頭波段380nm－1000nm，光圈F/0.2，縫隙寬度25μm，縫隙長度18mm，幀速12－236 fps；SWIR鏡頭波段900－2500nm，光圈F/0.2，縫隙寬度25μm，縫隙長度18mm，幀速60或100 fps，視野150x100cm
17. 用戶可通過實驗程序選擇SWIR成像、VNIR成像或兩個鏡頭全波段成像，每個鏡頭成像時間分別為15秒
18. 熱成像單元：分辨率640x480像素，溫度范圍20－120°C，靈敏度NETD<0.05°C@30°C/50mK，成像面積可達150x150cm
19. 可選配人工氣候室，植物生長面積9.5m2，生長高度2.0m，溫度穩定性±1°C，430nm－730nm白色和IR LED 光源，1000μmol/m2/s（距離植物100cm高度的光強）,可預設自動光照周期動態，
20. 系統控制與數據采集分析系統：
? 用戶友好的圖形界面
? 用戶定義、可編輯自動測量程序（protocols）
? MySQL數據庫管理系統，可以處理擁有上千萬條記錄的大型數據庫，支持多種存儲引擎，相關數據自動存儲于數據庫中的不同表中
? 植物編碼注冊功能：包括植物識別碼、所在托盤的識別碼等存儲在數據庫中，測量時自動提取自動讀取條形碼或RFID標簽
? 觸摸屏操作界面，在線顯示植物托盤數量、光線強度、分析測量狀態及結果等，輕松通過軟件完全控制所有的機械部件和成像工作站
? 可用默認程序進行所有測量，也可通過開發工具創建自定義的工作過程，或者手動操作LED光源開啟或關閉、RGB掃面成像、葉綠素熒光成像、稱重及澆灌等
? 實驗程序（Protocols）具備起始鍵、終止鍵、暫停鍵
? 可根據實驗需求自動控制植物樣品的移動和單一成像站的激活
? 可提供3個相機視角的RGB數字生長分析，包含閾值分析和顏色分析
? 對于葉綠素熒光成像圖片，軟件可批量進行淬滅參數分析，包含了在背景去除圖像上用戶感興趣區域和像素值的平均。分析數據以原始圖像和分析數據的形式存儲在數據庫中。
? 對FIR熱成像圖，16位圖可直接導出到MATLAB或通過軟件生成溫度分布的假彩圖像。
部分用戶：
1. 國際水稻研究所（菲律賓）The International Rice Research Institute, Los Banos Philippines
2. 澳大利亞聯邦科學與工業研究組織植物表型組學中心The CSIRO Plant Phenomics Center, Canberra, Australia
3. 澳大利亞國立大學The Australian National University, Canberra. Australia
4. 孟山都公司（美國）Monsanto Corporation, St. Louis, USA.
5. 杜邦先鋒國際良種公司Pioneer-Dupont, Des Moines, Iowa
6. 巴斯夫公司Metanomics（柏林）Metanomics (BASF), Berlin, GDR
7. 巴斯夫公司CropDesign（比利時）CropDesign (BASF), Nevele, Belgium
8. 美國合成基因公司Synthetic Genomics, La Jolla, USA
9. Palacky 大學Palacky University Olomouc, Czech Republic
10. Masaryk 大學Masaryk University Brno, Czech Republic
產地：歐洲
北京易科泰生態技術有限公司
2021-08-23
萬深PhenoGA植物表型分析測量儀
產品詳細介紹一、概述：基因型、表型和環境是遺傳學研究的鐵三角。表型（性狀）是基因型和環境共同作用結果，而基因型與表型之間有著多重關系。研究者用測序和基因組重測序來評估等位基因差異定位數量性狀等已變得很普遍，但其需大量性狀數據來佐證。然而這類分析測量的結果受人員、工具和環境等的干擾很大，還會損傷到植物。故迫切需要高效、準確的萬深PhenoGA植物表型分析測量儀來做可視化的精確數據分析和表型測試，如測試對壓力和環境因素的表型反應、生態毒理學測試或萌發測定、遺傳育種研究、突變株篩選、植物形態建模、生長研究等。二、主要性能指標：1、萬深PhenoGA植物表型分析測量儀是頂視+側視版本，由頂視+側視的超大變焦鏡頭自動對焦1500萬像素以上的佳能EOS單反相機直聯電腦獲取植物頂視和側視的RGB彩色圖，并做自動分析；由頂部的主動紅外雙目3D相機（點云密度512*424像素）來獲取植物冠層的3D景深偽彩色圖和可轉換視角的3D重建偽彩色圖。2、可獲得植物在不同生長階段的表型數據主要有：植株高（測量誤差≤±1.5mm）、投影葉面積及其差異值、投影葉片長和卷曲度、葉片數量（自動計數+鼠標個別修正）、葉冠層的3D構型數據（葉冠直徑、葉冠層面積、葉冠層占空比、葉片分布和密度、葉冠層對稱性等，冠層尺寸的測量誤差≤±2mm）、植物株形、精準的莖葉夾角（真實夾角重復測量誤差≤±1.0°）、節間長度及其空間體積估算值、植株高和葉冠層隨時間改變的相對生長速率、葉色平均值（具有葉片顏色自動矯正特性，可按英國皇家園林協會RHS比色卡2015版來自動比色）及其對表征的貢獻評估等。具有分析特性表述如下：1）常規分析：投影葉面積及其動態變化，外周長，外接圓直徑及面積，擬合橢圓主副軸及偏角，凸包內徑、面積及周長，植株高、寬，最小外接矩形長、寬，植株緊實度。2）顏色分析：RGB、LAB顏色值，具有葉片顏色自動矯正特性，可按英國皇家園林協會RHS比色卡2015版來自動比色。3）骨架分析：骨架長度，端點數（葉片數），分叉數（分枝數、分節數），莖葉夾角等。4）玉米株形分析：葉片數，葉片長、寬，葉片彎曲度，葉片投影面積，莖稈分節數，分節長、粗，葉片顏色等。5）生長分析：植株絕對生長、相對生長曲線，相對生長趨勢。6）根系分析：根長，根粗，根尖數等（根粗>1mm）。7）考種分析：種粒數，種粒面積，種粒長、寬（種粒直徑>5mm，不粘連）。8）其它：不同生長時期自動批量化處理分析，多植株網格分析，直線、角度等幾何測量，各測量結果可編輯修正。3、可接入條碼槍來自動刷入樣品編號，具有按條碼標識跟蹤分析的特性。圖像分析方式和耗時：自動分析（約1個樣品 /分鐘）+鼠標指示測量或修正。標配成像分析的植株高可達100cm（莖稈基部距頂部3D相機約135cm，植株距側面拍攝儀約100cm）、葉冠幅可達100cm*80cm（拍攝箱外尺寸160cm高*120cm長*80cm寬）。各項分析數據和標記圖片可導出。三、標配供貨清單：1、超大變焦鏡頭自動對焦1500萬像素以上的佳能EOS單反相機 2套2、主動紅外雙目3D相機及適配器 1套3、單反相機拍攝支架 1套4、含光源的拍攝箱（標配尺寸160cm高*120cm長*80cm寬） 1套5、萬深PhenoGA植物表型分析測量儀軟件及軟件鎖 1套6、葉色色彩矯正板和尺寸自動標定板1付7、手持式條形碼閱讀器 1付8、超薄背光燈板 1付注：可定制到250cm高*120cm長*120cm寬的拍攝箱或定制便攜式的野外田間頂視版的分析檢測儀。若加配萬深SC-G自動考種儀、RootGA根系動態生長監測分析儀等，還可分析種子形態、果實外觀品質、花形和花色、植株根系的脅迫響應等。推薦選配電腦：酷睿i5 CPU / 8G內存/ 256G硬盤 / 23”彩顯/無線網卡，2個USB3.0和3個USB2.0口，Windows 完整專業版或旗艦版
杭州萬深檢測科技有限公司
2021-08-23
可預測老年人群癡呆風險的代謝復合表型
癡呆前期異常改變的代謝通路（左）與癡呆預測模型的ROC（右）復旦大學人類表型組研究院陳興棟青年研究員團隊、復旦大學附屬華山醫院神經內科丁玎研
復旦大學
2021-01-12
基于內在表型的中國人慢性鼻-鼻竇炎精準診療策略的構建
已有樣品/n甲狀腺腫瘤發病率居高不下，臨床上尚缺乏相關分子標記物對患者 進行危險分層，無法準確區分有頸部淋巴結轉移的高危患者，導致高危 患者治療效果不理想，復發率高。反之，部分低危患者由于不可控的因 素接受了頸部淋巴結清掃，遭受了不必要的并發癥和經濟損失。闡明新 lncRNA 在甲狀腺癌高危轉移中的作用機制，評估其用于預測患者腫瘤復 發轉移風險的可行性，可以為篩選甲狀腺癌高危復發轉移患者，定制個 體化治療提供新思路。該項目還在研發階段，基于我們的前期基礎還需 進一步擴大臨床樣本量進行驗證，在動物實驗
華中科技大學
2021-01-12