摘要：本发明公开了一种真空吸附组件及其制备方法。真空吸附组件用于将电子设备吸附固定在承载面上，其包括用于配合在所述电子设备上的基材、以及设置在所述基材远离所述电子设备的表面上的真空吸附层。本发明通过真空吸附层设置在可与电子设备配合的基材上，使得电子设备可通过该真空吸附层牢固吸附在承载面上，操作简单方便，可彻底解放用户双手。此外，该真空吸附层还可以起到摔跌缓冲、防水、防刮、防滑的作用，还可提高电子设备的外在美观性。

摘要：一种具有知识库的智能医疗系统，包括感知层、网络层、应用层，感知层包括智能终端、监测包括心电、呼吸、血压、血氧、脉搏，体温生理参数的传感器以及维持病人生理状态的医疗设备；应用层为医疗监护平台，包括呼吸监控系统、心电监控系统、诊断系统；诊断系统分为在线部分和离线部分，在线部分包括用户输入界面、问题理解模块、疾病诊断模块，离线部分包括信息采集模块、词向量训练模块、知识库挖掘模块、知识库，其中，信息采集模块将外部采集的关于疾病诊断的信息作为原始数据提供给知识库挖掘模块和词向量训练模块，知识库挖掘模块读取解析好的数据，按照数据的种类，调用不同的算法进行分析。

摘要：一种具有问题理解的智能医疗系统，包括感知层、网络层、应用层，感知层包括智能终端、监测包括心电、呼吸、血压、血氧、脉搏，体温生理参数的传感器以及维持病人生理状态的医疗设备；应用层为医疗监护平台，包括呼吸监控系统、心电监控系统、诊断系统；诊断系统分为在线部分和离线部分，在线部分包括用户输入界面、问题理解模块、疾病诊断模块，离线部分包括信息采集模块、词向量训练模块、知识库挖掘模块、知识库，其中，信息采集模块将外部采集的关于疾病诊断的信息作为原始数据提供给知识库挖掘模块和词向量训练模块，知识库挖掘模块读取解析好的数据，按照数据的种类，调用不同的算法进行分析。

摘要：一种能够资源调配的智能医疗系统，包括感知层、网络层、应用层，感知层包括智能终端、监测包括心电、呼吸、血压、血氧、脉搏，体温生理参数的传感器以及维持病人生理状态的医疗设备；感知层的各个传感器以及医疗设备都安装有采集节点；网络层通过多种通信方式，包括3G/4G、无线WiFi或互联网，将数据以TCP/IP格式上传到物联网应用服务器环境进行处理；应用层为医疗监护平台，包括呼吸监控系统、心电监控系统、资源调配系统；资源调配系统由三个模块组成，即：数据采集模块，知识发现模块和决策支持模块。

摘要：一种具有呼吸相识别控制的智能呼吸机系统，呼吸机包括控制器、风机、管道及传感器，风机在设定工作电压下输出转速，经叶片转换成风压至管道，传感器对气道实时流量、气道实时压力和实时二氧化碳的浓度进行检测，并反馈至控制器；控制器根据气道实时流量、气道实时压力实现对呼吸机的控制，控制包括呼吸相识别控制。

摘要：一种具有积液检测的智能呼吸机系统，呼吸机包括控制器、风机、管道及传感器，风机在设定工作电压下输出转速，经叶片转换成风压至管道，传感器对气道实时流量、气道实时压力和实时二氧化碳的浓度进行检测，并反馈至控制器；控制器根据气道实时流量、气道实时压力实现对呼吸机的控制，根据气道实时流量、气道实时压力判断气道内是否存在积液。

摘要：一种具有气体浓度测量的智能呼吸机系统，呼吸机包括控制器、风机、管道及传感器，风机在设定工作电压下输出转速，经叶片转换成风压至管道，传感器对气道实时流量、气道实时压力和实时二氧化碳的浓度进行检测，并反馈至控制器；控制器根据气道实时流量、气道实时压力实现对呼吸机的控制，控制包括呼吸相识别控制、风机控制、稳定运行状态的自整定处理，使用双通道测量气道内的二氧化碳气体浓度。

摘要：本发明涉及一种基于超像素的MRI图像分割方法以及MRI设备，用于对心脏MRI图像处理，设备包括：主磁体系统，梯度磁场系统，射频系统，运算和图像处理系统，其中，射频系统包括多个射频线圈，分别布置在线圈固定装置中，不同的射频接收线圈与患者身上不同检测部位对应。方法包括步骤：步骤1：对输入的经过融合后的MRI图像进行预处理；步骤2：设置初始超像素数量；步骤3：根据心脏图像的特点，采用一种将灰度、纹理以及相邻关系融合的度量准则，提取超像素特征，并将相似度满足设定条件的超像素合并；步骤4，通过不断迭代步骤2后，初始分割的超像素块会逐渐扩大，直到相似度达到设定值，即目标区域和背景区域不再变化则停止迭代，得到目标图像。本方法能充分挖掘待融合图像的轮廓、纹理等细节特征，因而更适于处理图像的奇异性，得到信息量更丰富、清晰度更高、质量更好的融合图像。

摘要：本发明涉及一种基于拉普拉斯金字塔变换的MRI图像融合方法以及MRI设备。方法包括步骤：S1：针对脑部MRI图像的特点，利用拉普拉斯金字塔分解将多幅源图像分解得到不同频率层，在不同频率层采用不同的融合规则，从而在融合图像中保留各源图像在不同频率层的特征信息；S2：分别计算顶层的区域均值和其余各层的点清晰度作为融合尺度；S3：对区域均值和点清晰度进行归一化处理；S4：比较不同源图像各层的归一化后的区域均值和点清晰度数值，采用不同的融合策略，获得各层图像的融合结果；S5：对得到的融合图像拉普拉斯金字塔各层，从顶层开始逐层向下递推，最终获得融合图像。采用该方法能够得到低噪声、边缘清晰的多聚焦融合图像。

摘要：本发明涉及一种基于图像多尺度分解的MRI图像融合方法以及MRI设备，用于对胸部MRI图像处理，方法包括步骤：步骤1：针对胸部MRI图像的特点，对M张MRI图像分别采用小波变化多尺度分解得到近似层图像Aa(i，j)，Ba(i，j)，…，Ma(i，j)以及细节层图像Ad(i，j)，Bd(i，j)，…，Md(i，j)，其中，所述多幅源图像分别来自于多个射频接收线圈针对同一检测部位得到的图像；步骤2：对于近似层图像Aa(i，j)，Ba(i，j)，…，Ma(i，j)采用加权平均的方法进行融合，得到近似层图步骤3：对细节层图像采用图像统计的融合规则进行融合，得到细节层图像S4，对近似层图像和细节层图像进行融合得到最终融合图像。该方法充分利用了多个接收线圈提供的冗余信息和互补信息，对融合图像的精确性、可靠性、信息含量有了很大的提升，融合图像特征更明显，边缘更清晰。