|
搜索
搜 索
高等教育領域數字化綜合服務平臺
XM-BDX高級深部血管結扎操作模型
XM-BDX高級深部血管結扎操作模型
?
功能特點：
■ XM-BDX高級深部血管結扎操作模型采用高分子材料制成，仿真度高。
■ 可訓練深部出血血管結扎及多處出血點同時出血的應變能力。
■ 模型具有4處深部出血點，可以同時出血，血流速度可調節。
■ 4處出血點的管徑大小不同，損傷程度不同，設有全自動模擬器控制不同的出血速度。
■ 模型具有出血自動回收結構，方便模擬血液回收。
■ 可進行外科血管打結、結扎、止血、剪線等級外科操作訓練。
上海欣曼科教設備有限公司
2021-08-23
XM-BCX表面血管結扎止血操作模型
XM-BCX表面血管結扎止血操作模型
?
功能特點：
■ XM-BCX表面血管結扎止血操作模型采用高分子材料制成，仿真度高。
■ 模型上有16個出血點，當訓練或考核時，16個出血點同時向外涌血，模擬真實流血狀態，練習多處血管出血時的結扎止血操作。
上海欣曼科教設備有限公司
2021-08-23
頭顱骨附血管神經模型XM-118
XM-118頭顱骨附血管神經模型（仿真頭顱模型10部分）
?
XM-118頭顱骨附血管神經模型（仿真頭顱模型10部分）可分解成10個部件，由顱頂、顱底矢狀切面、額骨、顳骨、上頜骨、犁骨等10個部件等組成，顯示腦顱骨、面顱骨和顱的整體觀形態結構，顱頂、顱底的硬腦膜竇和動脈用彩色標志。
尺寸：自然大，20×13×18cm
材質：PVC材料
上海欣曼科教設備有限公司
2021-08-23
人體頭頸部肌肉神經血管模型
XM- 634A頭頸部肌肉神經血管模型
?
XM-634A人體頭頸部肌肉神經血管模型采用1：1比例設計，大腦可以單獨取出分成左右腦，可以拆分為3部件，展示頸部解剖、頸部淺層結構、頸前區和胸鎖乳突區、頸外側區、頸根部、頸筋膜及筋膜間隙等6部分內容，并在此基礎上增加了大腦和面部的解剖，更加詳細的闡述了頭面頸部相互之間的關系。
1、模型上端自眉弓上方向顱后至人字縫交叉處作水平切，下端平第五肋作水平切。
2、顱內示腦N出顱位置，基底動脈，大離前、中、后動脈起始段。
3、頸部右側示頸總動脈、椎動脈、甲狀頸干、頸淺動脈、甲狀腺上、下動脈、舌動脈、面動脈，頸內、頸外動脈及上頜動脈分支等的走向和分布范圍。
4、示甲狀腺、喉軟骨、下頜下腺、頸叢N的形態位置。
5、胸部示氣管、支氣管、主動脈弓及分支、肋間的血管神經、鎖骨下動脈、腋動脈等。
尺寸：自然大，33×22×42cm
材質：PVC材料
上海欣曼科教設備有限公司
2021-08-23
XM-BCX表面血管結扎止血操作模型
XM-BCX表面血管結扎止血操作模型
?
功能特點：
■ XM-BCX表面血管結扎止血操作模型采用高分子材料制成，仿真度高。
■ 模型上有16個出血點，當訓練或考核時，16個出血點同時向外涌血，模擬真實流血狀態，練習多處血管出血時的結扎止血操作。
上海欣曼科教設備有限公司
2021-08-23
XM-BDX高級深部血管結扎操作模型
XM-BDX高級深部血管結扎操作模型
?
功能特點：
■ XM-BDX高級深部血管結扎操作模型采用高分子材料制成，仿真度高。
■ 可訓練深部出血血管結扎及多處出血點同時出血的應變能力。
■ 模型具有4處深部出血點，可以同時出血，血流速度可調節。
■ 4處出血點的管徑大小不同，損傷程度不同，設有全自動模擬器控制不同的出血速度。
■ 模型具有出血自動回收結構，方便模擬血液回收。
■ 可進行外科血管打結、結扎、止血、剪線等級外科操作訓練。
上海欣曼科教設備有限公司
2021-08-23
XM-630頭面部血管神經模型
XM-630頭面部血管神經模型
?
XM-630頭面部血管神經模型顯示頭面部內、外側面局部形態及其血管和神經等結構，共有100個部位指示數字標識標志及對應文字說明。
尺寸：自然大，21×32×19cm
材質：PVC材料
上海欣曼科教設備有限公司
2021-08-23
XM-630頭面部血管神經模型
XM-630頭面部血管神經模型
?
XM-630頭面部血管神經模型顯示頭面部內、外側面局部形態及其血管和神經等結構，共有100個部位指示數字標識標志及對應文字說明。
尺寸：自然大，21×32×19cm
材質：PVC材料
上海欣曼科教設備有限公司
2021-08-23
基于客流量的列車運行圖生成方法
本發明實施例提供一種基于客流量的列車運行圖生成方法。所述方法包括：獲取原始客流量數據；所述原始客流量數據包括至少兩個預測周期的客流量數據；根據當前預測周期的前一個預測周期的第一客流量數據、以及預設的平衡指數平滑模型，對所述第一客流量數據進行平滑處理，得到所述當前預測周期的第二客流量數據；根據預設濾波模型，對所述第二客流量數據進行濾波處理，得到所述當前預測周期的最優估計值；根據預設約束條件以及所述預測周期的最優估計值，生成列車運行圖。本發明實施例解決了現有技術中，運行圖時刻表編制的復雜度與效率，導致編圖效率低以及編圖質量差的問題。
北京交通大學
2021-04-10
由生成對抗網絡（GAN）驅動的進化多目標算法
隨著計算智能方法得到更廣泛的應用，其從問題本身學習的能力亟待增強。為此，越來越多研究提出使用機器學習模型來驅動計算智能。通常，這種基于模型的進化算法的性能高度依賴于所采用模型的訓練質量。而傳統機器學習方法需要大量訓練數據進行模型訓練，而且受維度災難的影響，這類方法通常很難解決維度較高的問題，約束了計算智能方法的應用范疇。課題組在
南方科技大學
2021-04-14