本技术属于功能材料和医用敷料材料领域，涉及一种具有温度响应性水凝胶基伤口敷料材料的制备方法。本发明首先通过超声的方法将1‑乙烯基‑3‑丁基咪唑溴盐（[VBIM+]Br‑）聚合到聚丙烯酸（PAA）和聚丙烯酰胺（PAM）的双网络结构上，同时引入羧甲基纤维素（CMC）；随后将得到的水凝胶前驱液体倒入模具中加热合成预凝胶，并将其浸泡在含有药物的磷酸盐缓冲液中，得到了具有温度响应性的PVMAC水凝胶。在最优的条件下，其转化温度可控制在37℃。另外，其具有优异的力学性能和良好的抗菌和生物相容性能，这都为其作为温度响应性水凝胶基伤口敷料提供了条件。该水凝胶基敷料材料的发明对创面伤口的快速愈合，减轻病人痛苦，以及伤口治疗的实时监测均具有重要意义。

 本文涉及脑电图检查技术领域，提供一种神经内科脑电图检查固定头套及其方法，神经内科脑电图检查固定头套包括:穿戴部，开设有多条移动槽和多个定位孔，每一个定位孔与至少一条移动槽相对应；多个固定部，可移动地设置于穿戴部上，固定部包括安装机构、旋转机构和固定机构，安装机构可沿移动槽进行移动地设置于穿戴部上，旋转机构可旋转地设置于安装机构上，固定机构设置于旋转机构上。本申请提供的神经内科脑电图检查固定头套及其方法，可以改善相关技术中存在的需要通过人多次手动调整电极位置至能够获取质量良好的脑电波数据信号的位置上费时费力的技术问题。

 本技术提供了一种粘附性水凝胶及其制备方法和在伤口敷料中的应用。本发明粘附性水凝胶由如下重量份数的原料制成:温敏性水凝胶骨架2~3份、聚两性离子微凝胶0.1~0.7份、聚多巴胺0~0.02份；所述温敏性水凝胶骨架由温敏性聚合物构成；所述聚两性离子微凝胶由聚两性离子和丙烯酸为原料制成。本发明制备的粘附性水凝胶具有优异的粘附性、抗菌性和机械性能，具有拉动伤口闭合、促进伤口愈合的能力，生物相容性好；基于粘附性水凝胶制备的双层水凝胶还可实现上层防污、下层粘附的效果，在伤口敷料领域有很大的应用潜力。

 本技术提供了一种基于机器学习的心梗辅助预测方法，属于机器学习技术领域，基于心电记录分析系统采集每个目标患者在不同体位下的Ⅱ导联心电图，并对Ⅱ导联心电图进行预处理得到当下心电图；对所有目标患者的所有当下心电图进行体位分类，并提取每个体位分类下的HRV特征，构建得到体位‑特征条目；将所有体位‑特征条目划分为训练集以及预测集，并基于训练集对机器学习模型进行学习以及基于预测集对学习后的机器学习模型进行模型优化，得到预测模型；采集新患者的Ⅱ导联心电图，并输入到预测模型中进行心梗辅助预测及输出。利用机器学习方法建立心梗患者的预测模型，提升针对心梗的辅助预测能力。

本文章公开了一种数据储存装置锁固机构，包括安装架、螺丝孔、和安装结构。本实用新型通过设置有安装结构，在数据储存装置放入安装架后，将插板插入对接槽之中，此时插板的前端会对安装架之中的数据储存装置进行推压固定，然后将连接板与定位件相对接，而连接板前端会与定位块相对接，然后对插板的限位，插板会对安装架之中的数据储存装置进行锁固固定，以实现便捷安装，按压定位件解除对连接板的限位，然后滑出拆卸插板，可解除对数据储存装置锁固，以实现便捷拆卸，达到了在安装或拆卸过程中无需借助工具的有益效果。

 本技术属于卫星通信领域，公开了一种非合作信号场景下的LDPC码盲识别分析方法，具体包括:首先，在非合作场景下，获取到经过解调、解交织后等操作后的待解码的数据，然后，构建神经网络，并结合误码率编码和噪声注入机制，对高误码率的接收信号进行盲识别的校验矩阵判断，从而实现对非合作LDPC信号的校验矩阵识别分析，并最终对非合作的LDPC信号进行解码分析。本发明显著改善了高误码率情况下的LDPC码识别能力，适合非合作情况下，对接收到高误码LDPC码字进行盲识别分析，提升了在高误码率的情况下对LDPC码的盲识别准确度。

 本技术涉及一种波长复用聚焦调控器件及其实现方法，该器件包括电压可调的光学谐振腔、第一介质超表面层和第二介质超表面层；其中，电压可调的光学谐振腔包括依次设置的玻璃基板、金属超表面、液晶层、金属超表面、玻璃基板，通过在光学谐振腔的不同区域施加电压，形成不同的编码模式；超表面层包括硅微米柱结构、介质衬底，采用衍射神经网络模拟多波长入射光衍射过程，并计算双层超表面层的相位分布；整体通过动态调整外加电压改变液晶层的幅值分布，实现光束聚焦点位置的连续扫描。解决了传统的聚焦调控器件在调控精度和响应速度方面存在不足的问题，本发明器件具有设计灵活、体积小、易集成、易加工等特点，提供了更高效、灵活的波束调控方法。

 本技术涉及磁共振线圈技术领域，且公开了一种面向无线输电的磁共振线圈装置，包括固定底座，所述固定底座顶端的两侧均固定连接有升降机构，所述升降机构的内部活动连接有转动轴，所述转动轴的侧面固定连接有调节机构，所述调节机构的侧面固定连接有限位机构，所述转动轴的侧面固定连接有转动盘；本发明的连接轴转动时通过输出轴带动输出齿轮转动，输出齿轮转动时使得移动齿条带动成型槽盘向外或者向内移动，此时六个成型槽盘所组成的槽盘直径会进行调节，适配不同环境以及不同直径的线圈，且本发明在进行调节时，采用手动的方式，无需施加电力或者磁力，因此不会对磁共振线圈的运行造成影响。

 本技术公开了重症患者智慧化护理管理系统及方法，涉及医疗健康监测技术领域，包括设置多生理信号采集通道，同步采集患者的多维度生理信号，并对采集的信号进行预处理，形成标准化的多模态生理数据流；将预处理后的多模态生理数据输入到基于LSTM和多头注意力机制的深度学习模型中，结合动态权重自适应算法，实现对不同生理信号的智能融合分析，并建立患者个体化的生理系统耦合模型；基于深度学习模型的分析结果，实时计算患者的病情风险评估值，并根据设定的多级预警阈值，输出具体的预警等级。本发明通过构建多级多维度的预警阈值体系，实现了对患者病情的全方位监测和预警。能够显著提高危重症患者的监护质量，降低漏判和误判率。

 本技术公开了一种基于深度学习模型的心率自校准监测系统及方法，在该系统中，数据采集模块采集ECG信号、多波段的PPG信号和加速度信号；数据处理模块将数据采集模块采集的信号进行滤波和放大；模数转换模块将数据处理模块的输出信号进行模数转换；状态检测模块基于加速度信号对用户状态进行分类；信号校准模块用于根据用户状态动态调整PPG信号采集的发光波波段权重，得到加权优化的多波段PPG信号，根据ECG信号中的R波位置对PPG信号的波峰位置进行调整，完成对PPG信号的校准；心率计算模块基于深度学习模型进行心率预测，输出心率预测结果；交互模块传输心率预测结果。本发明能够提供稳定且准确的心率监测。