久久精品国产一区二区电影,久久精品国产亚洲av瑜伽,精品无人区一码卡二卡三,久草热8精品视频在线观看 ,久久99精品久久久久麻豆

項目經(jīng)歷（案例一）

項目時間：2013-12到2011-11

項目名稱：全自動免疫檢測系統(tǒng)市場推廣和技術(shù)支持

項目描述：

項目介紹

結(jié)合公司新推出的全自動免疫檢測系統(tǒng)AutoLumo A2000，建立AutoLumo A2000的客戶培訓(xùn)體系和相應(yīng)的Trouble Shooting方案，建立詳細(xì)的問題解決FAQ機(jī)制，完善了技術(shù)培訓(xùn)和客戶支持的流程和體系。

我的職責(zé)

負(fù)責(zé)進(jìn)行安圖AutoLumo A2000全自動免疫檢測系統(tǒng)的客戶終端技術(shù)培訓(xùn)和指導(dǎo)，針對日常維護(hù)保養(yǎng)、使用方法以及故障解決方案進(jìn)行培訓(xùn)，使終端客戶具備全自動儀器的常規(guī)故障和問題解決能力，能夠與醫(yī)院檢驗科人員保持密切溝通，建立完善、快速的技術(shù)解決通道，及時維護(hù)良好的客情關(guān)系。

項目經(jīng)歷（案例二）

項目時間：2012-10到2011-11

項目名稱：小分子激素溯源參考方法的建立

項目描述：

項目介紹

根據(jù)小分子激素溯源參考方法在國際領(lǐng)域內(nèi)狀態(tài)，結(jié)合自身產(chǎn)品特點，與國家衛(wèi)生部臨檢中心溝通，建立具有自主知識產(chǎn)權(quán)的甲狀腺素溯源參考方法平臺，實現(xiàn)了國內(nèi)首家建立甲狀腺素溯源參考方法建立的突破，同時與衛(wèi)生部臨檢中心進(jìn)行合作，參與甲狀腺素國家標(biāo)準(zhǔn)品的制備和賦值工作，同時使用建立的參考方法輸出賦值樣本盤，用于控制免疫產(chǎn)品的性能和狀態(tài)。 申報參加RELA，與國際相關(guān)學(xué)術(shù)委員會和專家進(jìn)行溝通，加入NIST等相關(guān)學(xué)術(shù)工作組，參與對小分子激素參考方法建立和技術(shù)交流工作。

我的職責(zé)

負(fù)責(zé)具體的溯源參考方法的建立及檢測工藝優(yōu)化工作，參與衛(wèi)生部臨檢中心的合作工作，主導(dǎo)完成基于HPLC-MS/MS平臺和標(biāo)準(zhǔn)溯源參考方法的技術(shù)路線建立，企業(yè)參考溯源盤的工作，參與RELA申報以及國際間技術(shù)溝通和交流工作。

項目經(jīng)歷（案例三）

項目時間：2015-06到2011-11

項目名稱：小麥水解蛋白

項目描述：

項目介紹

生物法制作小麥水解蛋白的工藝研發(fā)、優(yōu)化、設(shè)備選型、工藝流程，以谷朊粉為原料，篩選合適的蛋白酶，摸索最佳酶解工藝，得到高谷氨酰胺結(jié)合肽、高溶解性、高分散性，易吸收的水溶性蛋白，在酶解小試的基礎(chǔ)上，完成酶解中試工藝，負(fù)責(zé)酶解設(shè)備的選型，對酶解液進(jìn)行分離濃縮富集，負(fù)責(zé)噴霧干燥設(shè)備的設(shè)備選型，探索和優(yōu)化噴霧干燥條件，噴霧干燥得到功能性小麥水解蛋白，最終建設(shè)完成年產(chǎn)3000噸小麥水解蛋白生產(chǎn)線。

我的職責(zé)

負(fù)責(zé)年產(chǎn)3000噸的小麥水解蛋白項目生產(chǎn)線建設(shè)工作，參與該項目的立項、調(diào)研、投資估算、設(shè)備招標(biāo)、采購、設(shè)備工藝流程組建、設(shè)備布置、安裝與調(diào)試等工作。

項目經(jīng)歷（案例四）

項目時間：2015-08到2011-11

項目名稱：MATLAB處理生物醫(yī)學(xué)圖像

項目描述：

項目介紹

項目為課程項目，應(yīng)用MATLAB編程及機(jī)器學(xué)習(xí)的相關(guān)理論與方法對3組生物醫(yī)學(xué)圖像分別進(jìn)行圖像配準(zhǔn)(Registration)、圖像分割(Segmentation)及組織識別。

我的職責(zé)

圖像配準(zhǔn)(Registration)：和小組成員合作，應(yīng)用仿射配準(zhǔn)對一組20張腦MRI圖像進(jìn)行配準(zhǔn)并進(jìn)行算法優(yōu)化，配準(zhǔn)前后圖像重合度從0.14提高到0.32。

圖像分割(Segmentation)：以多模態(tài)腦圖中已標(biāo)注體素的組織類別和灰度值為訓(xùn)練數(shù)據(jù)，用Graph cut方法實現(xiàn)對圖中特定組織（如腫瘤組織，灰質(zhì)組織）與其他組織的分割。

疾病診斷：基于組織病理切片圖中細(xì)胞及背景組織的灰度值及灰度梯度方向的統(tǒng)計特征，用k-nearest neighbors算法對斯皮茨痣(Spitz Nevus)和斯皮茨樣惡性黑色素瘤進(jìn)行識別，正確識別出了20張圖中15張圖代表的組織。