需求内容： 以STM32F446ZET6控制芯片作为中央处理系统开发大流量四轴增材制造控制系统，要求具有温度和运动控制模块，能够连接彩色LCD触摸屏进行人机交互，能够识别常见增材制造运动控制指令，可实现打印程序的自动运行。

需求内容： 针对甲状腺癌细胞所处的肿瘤微环境，从分子水平探明微环境中2-3个可溶性因子诱导NK细胞（CI-NK）靶向甲状腺癌细胞的机制，获得最优化微环境因子提取方案，实现诱导性NK细胞较未诱导NK细胞对肿瘤细胞的杀伤效率的倍增，提高甲状腺癌治疗效果。

需求内容： 随着人口老龄化、慢病患者增长和重症患者比例逐渐上升，加之个性化医疗兴起、5G技术推广，重症监测系统市场需求不断上升。将人工智能、大数据模型应用于重症监护系统，不仅显著提升患者治疗效果与就医体验，也同时可以推动多产业发展。 1.基于人工智能算法、大数据模型和物联网技术，实现医院ICU病房及医院多环境下的多模态复合数据的处理、智能分析及AI辅助决策。 2.构建多模态综合病例数据价值库，包括原数据、诊断、检查、用药、影像、并发症等复合数据库。 3.建立数据模型算法中心，实现智能数据增强和插值技术；基于专职医生的指导和数据标注，研究主要面向脓毒症等疾病的死亡率、住院时长、预后等问题的大数据模型及预测预警，为医护人员提供治疗辅助建议方案。 4.构建重症智能信息系统及风险预警管理平台，实现业务场景、数据及物联硬件的一体化融合软件平台，以大数据算法中心多类型算法模型为核心，为其提供软件、传感硬件数据支撑分析可视化服务，实现多品牌医疗设备设施数据的规范化采集、汇聚、治理、管理与共享，为系统数据分析和数据挖掘提供数据保障。

需求内容： 新材料的开发将使医疗外固定肢具市场更精准化更专业化和个性化。3D打印外固定肢具相比较传统石膏的封闭笨重不环保等缺点，新产品更贴肤更轻盈方便更环保，符合数字化医疗的发展方向，将在该产业发展起到引擎带头作用。 目前生物高分子材料已经用于制作骨科夹板，通过扫描仪获取患处三维数模，利用3D打印技术可实现骨科夹板的个性化快速制造。为满足生物高分子骨科夹板快速、精确、可靠、免支撑的个性化制造要求，要求开发以下内容: 1.以STM32F446ZET6控制芯片作为中央处理系统开发大流量四轴增材制造控制系统，要求具有温度和运动控制模块，能够连接彩色LCD触摸屏进行人机交互，能够识别常见增材制造运动控制指令，可实现打印程序的自动运行。 2.基于0penCASCADE内核开发配套医用骨科夹板四轴3D打印切片软件，要求:能根据用户输入的丝径、喷嘴直径、层厚等工艺参数，快速生成3轴或4轴打印程序:要求具备STL片体ZIG-ZAG切片功能自动优化每层内的轨迹顺序，最大限度消除生产过程的空走时间。

所需技术类型：智能制造需求内容： 公司药品生产品种及原辅料包材品类繁多，排产复杂且工作量大，排产人员无法及时获取现场生产状态和完成情况。为解决以上问题，本项目拟基于已有生产数据、工艺BOM数据、设备运行数据和物料管理数据，引入人工智能技术，建立产供销一体化智能排产系统，实现快速准确排产、智能插单排产，确保排产灵活可靠，生产效益最大化。

所需技术类型：智能制造需求内容： 药品出厂前需要在外包装箱上喷注生产日期、生产批号和有效期（三期），传统光学字符识别技术（OCR）难以应对复杂背景、非标准字体（比如喷码）等情况，识别率有限，影响生产效率。本项目目标是在注射剂药品包装检测过程中引入喷码文字智能检测系统，利用深度学习技术，快速准确识别包装箱上的三期文字，实时发现喷码错误和异常情况，提高产品质量控制的可靠性，减少人力成本。

所需技术类型：智能制造需求内容： 输液车间具有生产工艺复杂、无菌程度要求高、业务板块分散、设备众多、海量数据等特点。传统生产管理主要依赖人工操作和经验，存在人为误差，缺乏对海量数据的汇总、分析、应用能力，影响生产效率。本项目拟引入MES&SCADA生产管理系统，集成车间生产调度、工艺管理、质量管理、设备维护、过程控制等相互独立的系统，解决信息孤岛状态下的数据重叠和数据矛盾问题，实现生产全过程智慧管控。

所需技术类型：智能制造、人工智能技术、生物信息学技术需求内容： 药物研发具有周期长、投入大、风险高的特点，探索人工智能技术在药物发现与研发中的应用，可大幅提高药物研发效率。本项目拟建设全流程Al创新药研发平台，搭建应用于生物计算领域的超级计算机集群，开发基于深度学习的超大规模蛋白预训练模型、图神经网络靶点预测模型、分子生成模型、高通量虚拟筛选及化合物成药性预测模型，实现生物医药领域小分子创新药的精准设计与开发。

所需技术类型：智能制造、人工智能技术 需求内容： 医学行业存在循证证据搜索困难、转化率及报告生成效率低、科研水平不足、医学科普率低等问题。本项目拟依托公司现有大模型进行算法能力优化升级，聚焦医学知识搜索、医学知识分析等服务功能，通过引入搜索排序模型加速和调优技术、外部算力资源，开展模型智能搜索、排序以及RAG等技术难题攻关，优化模型长文本生成能力及精准度，建立全流程的AI医疗服务解决方案，大幅提升医疗行业的临床实践及科研效率。

所需技术类型：智能制造、人工智能技术、生物信息学技术 需求内容： 鲍曼不动杆菌是医院内常见的重症感染病原之一，其具有耐药性强、致死率高和治疗难度大的特点。随着耐药问题的不断加剧，临床上几乎已无有效药物可用。本项目拟利用“Al药物设计+超大算力”模式，针对相关抗菌靶点，设计合成低毒高效的抗耐药鲍曼不动杆菌临床前候选化合物，以破解传统抗生素研发模式的开发难度大周期长的难题。