- 综合排序
- 最热优先
- 最新优先
医疗行业信息化建设新思路及优势分析
为了应对这些挑战，某医疗机构在其全国性数字化项目中引入了SD-WAN技术，与传统专线结合，构建了一种高效、灵活、安全的混合网络架构。二、医疗行业的混合方案设计1. 医疗场景中的具体应用(1) 跨区域医疗数据中心互联现状：医疗机构需要将国家级数据中心与分支医院、科研机构连接起来，传统专线成本高，且扩展困难。 (3) 医疗文献与科研平台访问现状：研究人员访问文献平台和科研数据库时，经常遇到访问速度慢、检索效率低的问题。 SD-WAN解决方案：通过智能选路和应用优先级管理，提升医疗科研平台的访问流畅性，减少检索延迟。(4) 医疗数据的安全传输现状：医疗数据传输需遵循等保2.0和密评要求，传统网络无法动态加密传输流量。 提供链路冗余，保障远程医疗和科研协作的稳定性。3. 安全增强数据传输全程加密，满足等保2.0与密评要求，防止敏感医疗数据泄露。集成零信任网络访问（ZTNA），实现分支机构安全访问控制。4.
28910编辑于 2025-07-25- 来自专栏CSS全接触
医疗信息化系统升级，硬件平台如何做好支撑？
分析人士称：由于2020年疫情的发生，我国医疗信息化市场的需求量还将进一步扩大，医疗信息化产业链的上下游都将迎来发展机会。 从2003年的SARS到如今全球正在经历的COVID-19，每一次重大公共卫生事件的发生，都会对医疗信息化的发展带来一个新的刺激。 近几年，各地医院在医疗信息化方面的投入逐年增加，越来越多的临床诊疗数据分散在HIS、LIS、PACS、EMR等业务系统中。 东软云科技云解决方案与服务（CSS）在为一家大型综合医院进行系统升级服务的过程中，以丰富的医疗信息化项目服务经验、良好的专业实力得到了院方的认可。 分割线--云科技.png 现阶段国内医疗卫生行业越来越多的业务依赖信息化技术支持，信息化需求呈现加速发展的特征。
2K40发布于 2020-06-01 - 来自专栏数据科学与人工智能
3月11日数据动态早报 | 人口健康信息化和健康医疗大数据规划正式发布
【网易网】 四、医疗健康数据动态 1 孙继海创立的嗨球科技与北京理工大学信息与电子学院在北京进行了合作签约仪式，双方达成产学研合作，将共同开发职业足球、社会足球以及校园足球的大数据系统，旨在打造一个国内知名的 【网易网】 2 人口健康信息化和健康医疗大数据规划正式发布。 充分发挥人工智能、虚拟现实、增强现实、生物三维打印、医用机器人、可穿戴设备等先进技术和装备产品在人口健康信息化和健康医疗大数据应用发展中的引领作用，推动新产品、新技术在以全息数字人为愿景，集计算机深度学习技术 、疾病预防、卫生应急、健康保健、日常护理中的应用，促进由医疗救治向健康服务转变，实现以治疗为中心向以健康为中心的转变。 【中研网】 2008年的时候开启3G，现如今到了5G，足见科技发展之迅猛。在万物互联的时代，5G网络会给人们的生活带来新的便利和体验，伴随着各种数据化服务，人们也会享受到各种智能化和个性化的服务。
1K50发布于 2018-02-28 - 来自专栏科技向令说
响铃：诊所开得像公司，基层医疗进入信息化快车道？
8年过去了，基层医疗信息化成效究竟如何？“互联网+医疗”给诊所带来了什么？ 1 “我们的信息化要比大医院还好” 基层医疗的信息化，无非分为三个层面：内部流程、外部拓展及医疗技术支持，这也是医疗SaaS等互联网+医疗产品的主打方向，无疑，内部流程优化首当其冲。 在她眼里，诊所的信息化，就是实现比医院还要“先进”的“无纸化”办公。据了解，这家诊所诊疗全过程在一家名为平安万家医疗的医疗SaaS服务商产品平台上进行。 3 像公司一样做“客户”服务 在一份关于基层医疗报告中，诊所的“客户”圈层分为两种：稳固的核心圈层，保证生存，主要来自熟人社区；拓展而来外围圈层，保证盈利，主要来自市场行为。 总得看来，许许多多基层医疗原有的负面元素正在信息化浪潮下逐步褪去，这种蜕化类似于肌体的新陈代谢，从种种“新面貌”来看，基层医疗的信息化活力甚至大于大型医院，它们更为灵活，易于接受新鲜事物，具有很强的市场自我调节能力
71930发布于 2018-08-21 - 来自专栏人称T客
研报|2017年第一季度医疗信息化采购大单监测报告
3、人口健康信息平台的采购项目数量多，金额大，采购需求开始释放。 图表1 2017年第一季度不同类型医疗机构的采购情况 ? 3、从采购区域结构上看，华东地区第一季度医疗信息化采购额位居第一。 图表 2 2017年第一季度医疗信息化采购区域分布 ? 图表 3 2017年第一季度医疗信息化采购区域分布 ? 三、采购大单分析 1、医疗行业信息化采购大单TOP10分析 移动信息化研究中心监测数据显示，2017年第一季度医疗信息化采购大单TOP10的采购额均在千万级以上，医院项目占了7个，公卫项目占3个，具体见下表 移动信息化研究中心还从不同医疗机构信息化采购大单，不同区域医疗信息化采购大单，以及移动医疗和医疗云采购大单的TOP10等三个维度分别进行了阐述和分析。
95570发布于 2018-03-23 - 来自专栏相约机器人
腾讯开源首个医疗AI项目，业内首个3D医疗影像大数据预训练模型
旗下顶级AI实验室腾讯优图，对外开源了腾讯首个医疗AI项目——深度学习预训练模型MedicalNet。 ? 这一项目，专为3D医疗影像在深度学习上的应用开发，也是业内首个同方向上的预训练模型。 腾讯优图说，MedicalNet能够加快模型收敛，减轻模型对数据量的依赖，帮助3D医疗影像AI应用“打地基”。 而且，专有领域专有模型，MedicalNet相当于为各个3D医疗影像应用准备了具备临床通用知识的数据库。 即使在小数据量中，这一数据库的有效特征也能帮助落地应用取得较好的医疗检测性能。 目前，MedicalNet具备5大特性： 1、预训练网络可迁移到任何3D医疗影像的AI应用中，包括但不限于分割、检测、分类等任务； 2、尤其适用小数据医疗影像AI场景，能加快网络收敛，提升网络性能； 3 这一预训练的适用性也很强，可以迁移到任何3D医疗影像应用的深度学习模型中。整个系统的工作流程如下图所示： ?
1.7K30发布于 2019-08-09 - 来自专栏量子位
腾讯开源首个医疗AI项目，业内首个3D医疗影像大数据预训练模型
旗下顶级AI实验室腾讯优图，对外开源了腾讯首个医疗AI项目——深度学习预训练模型MedicalNet。 ? 这一项目，专为3D医疗影像在深度学习上的应用开发，也是业内首个同方向上的预训练模型。 腾讯优图说，MedicalNet能够加快模型收敛，减轻模型对数据量的依赖，帮助3D医疗影像AI应用“打地基”。 而且，专有领域专有模型，MedicalNet相当于为各个3D医疗影像应用准备了具备临床通用知识的数据库。 即使在小数据量中，这一数据库的有效特征也能帮助落地应用取得较好的医疗检测性能。 目前，MedicalNet具备5大特性： 1、预训练网络可迁移到任何3D医疗影像的AI应用中，包括但不限于分割、检测、分类等任务； 2、尤其适用小数据医疗影像AI场景，能加快网络收敛，提升网络性能； 3 这一预训练的适用性也很强，可以迁移到任何3D医疗影像应用的深度学习模型中。整个系统的工作流程如下图所示： ?
79340发布于 2019-08-12 - 来自专栏数说工作室
日本 | 医疗大数据值得关注的3个方向
我们以前看了很多美国大数据的报告，什么奥巴马精准医疗、大数据国家战略等等，今天我们来看看近邻日本关于医疗大数据的一篇文章。 今天（5月3日），富士经济发布了“日本医疗行业值得关注的3个方向”（医療ビッグデータ関連市場は拡大、注目市場は3つ），总结了医疗大数据的3个大方向。 数说君简单概括的翻译一下，转载请注明来源。 ---- 富士经济对日本医疗大数据相关的市场进行了调查。此调查探求如何推进医疗ICT化、促进医疗情报的有效利用，并对医疗大数据相关的服务、机器、体系市场的扩大进行预测。 医疗大数据市场上，重点且值得注意的有以下三个方向： 1）医疗相关行业的医疗大数据分析 对DPC数据（DPC大概是日本的一种就医支付方式，比较复杂，DPC数据应该就是患者的支付数据—数说君）、诊断记录、 3）医疗行业在线推广服务 帮助制药企业更加有效推广营销的服务。医疗行业的门户网站以及SNS，它们聚集了大批医生，与这些网站合作，将可以更加有效的利用信息，进行精准高效的推广。
1.3K100发布于 2018-04-08 - 来自专栏新智元
世界最强医疗模型百川M3发布：AI医疗，奇点已至
新智元报道 编辑：艾伦 【新智元导读】百川发布并开源全球最强医疗模型 Baichuan-M3，各项指标均已 SOTA！同时 M3 也超越了人类医生的平均水平。 百川智能发布并开源了新一代医疗增强大语言模型 Baichuan-M3。 在百川创始人王小川看来，这绝非仅仅是模型参数的升级，更是一次对「AI 医疗」的重新定义。 在不依赖任何外部搜索工具的情况下，M3 的医疗幻觉率降至 3.5%！ 这一数据不仅优于 GPT-5.2，更是刷新了全球的最好成绩。 医疗 AI 的「最后一公里」 技术的高低，最终要落回到具体的应用场景中。 随着 M3 的发布，百川智能旗下的医疗应用「百小应」正在经历一场静悄悄的质变。 在过去，患者去医院就像是一场「盲盒游戏」。 在这场竞速中，Baichuan-M3 的出现具有特殊的标本意义。 它标志着中国 AI 医疗从「跟随者」转身为「定义者」。
47010编辑于 2026-01-26 - 来自专栏只喝牛奶的杀手
信息化规划工具
看到信息化规划工具，感觉非常实用，在构建信息化系统的时候，工具越多没什么坏处，总有一款适合你。 计划今年重新学习项目管理，已经开始了。
59440编辑于 2023-01-12 - 来自专栏Python编程和深度学习
医疗图像分割结果的3D可视化
ITK-SNAP为例，直接将该case文件夹里的其中一个dcm拖进软件，可以看到这个CT扫描文件有134个dcm文件，每个slice大小为512 x 512，组成大小为512 x 512 x 134的3D 点想要展示的图层前面的眼睛 3. 选中想修改的图层进行设置。Solid color是单一颜色，下拉菜单里有normals可以设置炫酷的渐变 ?
11.1K40发布于 2020-05-21 - 来自专栏智慧建筑
医疗相关
先谈谈长沙的医疗现状。 2017年，全市医疗卫生机构总诊疗人次达4803.87万人次，出院病人248.13万人次。 全市医疗卫生机构建设使用的信息平台19个，信息系统182个，其中直报系统28个，机构内部管理系统93个，涉及信息系统建设厂家57个。 全市这么多医疗机构不可能全部都纳入规划（时间和预算成本有限），只能先圈定市直7家三甲医院。一来信息化程度较高，二来三甲医院更具有代表性。 从方案设计上，坚持几个原则。 数据采集也由统一模块完成，文本数据由主题库从基卫平台和供应商已有系统采集，不直接面向医疗机构，充分复用已有资源。
1.4K21发布于 2019-07-25 - 来自专栏Y大宽
1 教育信息化2.0
背景：来自百度百科 教育信息化2.0 教育信息化2.0由中华人民共和国教育部印发的《教育信息化2.0行动计划》于2018年4月13日正式提出，是教育信息化的升级。 3教育技术观转变。教育技术不能仅停留在学习环境，而要嵌入学习系统中去。 发展动力观转变。过去，我们非常强调教育系统的应用，创新驱动发展的动力尚未得到充分体现。 4教育治理水平转变。 3 大学培养的人才： 创新能力+解决复杂问题能力 解决复杂问题+社交能力+系统技能远远大于身体能力+知识技能 4 教育信息化2.0的核心要义 从建设应用到融合创新 终身教育变学习型社会 5 教育信息化 2.0的4个重塑 智慧2.0的使命是支撑变革传统教育模型，强化信息技术与教育深度融合，实现对传统教育的重塑，包含以下 1理念重塑（规模和个体矛盾） 2 价值重塑（教知识到教能力） 3 结构重组（老师讲- 的促进策略 1 从支撑到引领（信息化） 2 教学应用从改变知识表征（形象生动）到破解难点（这才是最重要的） 3 从经验性到数据行转变 4 从自身建设到社会联合 7 教学内容转变 教学内容转变为以学习者为中心的课堂教学
1.3K20发布于 2018-09-10 - 来自专栏竹清助手
信息化服务范围
网站设计要能充分吸引访问者的注意力，让访问者产生视觉上的愉悦感。因此在网页创作的时候就必须将网站的整体设计与网页设计的相关原理紧密结合起来。网站设计是将策划案中的内容、网站的主题模式，以及结合自己的认识通过艺术的手法表现出来。
1.8K30发布于 2018-08-31 - 来自专栏全栈程序员必看
AIC（最小信息化准则）
AIC信息准则（即Akaike information criterion），是用来衡量统计模型拟合优良性的一个标准，是是由日本统计学家赤池弘次创立和发展的，因此也称为赤池信息量准则，它建立在熵的概念基础上，可以权衡所估计模型的复杂度和模型拟合数据的优良性。
2.7K10编辑于 2022-08-31 - 来自专栏机器学习AI算法工程
医疗中文问句意图匹配Top3方案ppt
由于来源于真实问答语料库，该任务更加接近于智能医疗助手等自然语言处理任务的实际需求。 本次评测任务的主要目标是针对中文的真实患者健康咨询语料，进行问句意图匹配。 【机器学习AI算法工程 公众号 datayx】 AI项目体验地址 https://loveai.tech 以下是第一名方案展示 问句匹配 问句匹配 问句匹配 问句匹配 问句匹配 问句匹配 智能医疗 智能医疗 智能医疗 ?
1.1K10发布于 2019-10-28 - 来自专栏腾讯开源的专栏
【开源公告】3D医疗影像预训练模型MedicalNet开源
本项目MedicalNet将多个3D医疗数据集集合成大数据集，基于此数据集提供了完整的3D-ResNet系列预训练模型与相应的迁移学习训练代码。 MedicalNet适用的场景 MedicalNet提供的预训练网络可迁移到任何3D医疗影像的AI应用中，包括但不限于分割、检测、分类等任务。 尤其适用小数据医疗影像AI场景，能加快网络收敛，提升网络性能。 MedicalNet功能介绍 支持单卡、多卡训练 支持Python3.7，PyTorch-0.4.1 支持任何3D医疗影像的迁移学习任务 支持3D-ResNet全系列模型的迁移学习任务 支持多种感受野的迁移学习 数据量是全球医疗影像AI落地的最大痛点之一，我们期望通过建立一个平台为千万的医疗影像AI提供大数据基础模型支持。
2.8K51发布于 2019-07-19 - 来自专栏完美Excel
企业信息化建设存在的3个问题，5点有效实践
之所以会这样，个人觉得，主要存在下面3个问题： 1.想大而全。就是想法很多，什么都想做，多点开花，面铺得很广，但投入有限，结果就是模块很多，但都是蜻蜓点水，不深入，反倒造成不方便。 2.被带偏了。 3.说得多，真正落地少。要求很多，但投入不满足这些要求的实现；推动已开发模块的应用不坚决，总在不断提要求完善却没有去用；总是在提这提那，却看不到结果，进展缓慢。 企业信息化建设不能一蹴而就，信息化技术在不断发展，企业管理也在不断完善，通过信息化技术规范管理行为、智能预警、辅助决策，提高管理效率。 3.不要老是想着要解放双手，对于一些情形要结合实际分析，如果手工输入数据更方便、效率更高，那就采取手工方式，而不要花费精力实现自动化但结果比手工输入更麻烦，毕竟有些数据相对来说并不多，不要被所谓的大数据蒙蔽了双眼 4.在信息化建设过程中，一旦哪个模块具备应用条件，就要马上推广应用，在应用中发现问题，打磨完善。
1.1K51编辑于 2023-09-15 - 来自专栏腾讯开源的专栏
医疗AI落地必备！腾讯优图开源业界首个3D医疗影像大数据预训练模型
近日，腾讯优图首个医疗AI深度学习预训练模型MedicalNet正式对外开源。这也是全球第一个提供多种3D医疗影像专用预训练模型的项目，将为全球医疗AI发展提供基础。 MedicalNet（https://github.com/Tencent/MedicalNet）是腾讯优图首个专为3D医疗影像在深度学习应用上所开发的一系列预训练模型，为任何3D医疗影像AI应用起到“ MedicalNet提供的预训练网络可迁移到任何3D医疗影像的AI应用中，包括但不限于分割、检测、分类等任务； 2. 尤其适用小数据医疗影像AI场景，能加快网络收敛，提升网络性能； 3. 为了产生3D医疗影像的预训练模型，MedicalNet聚集多个来自不同3D医疗领域的语义分割小规模数据集，并提出了基于多分支解码器的多域联合训练模型来解决数据集中的标注缺失问题。 我们的预训练模型可以迁移到任何3D医疗影像应用的深度学习模型中。
1.9K31发布于 2019-08-07 - 来自专栏AI科技大本营的专栏
医疗影像处理：去除医疗影像中背景的影响2D3D【numpy-code】| CSDN博文精选
作者 | chestnut-- 来源 | CSDN博客 在医疗影像中特别是CT影像，包含大量的背景，在进行器官分割时，首先去除背景对分割的效果有很好的提升。 本博客使用Python处理医疗影像并去除背景的影像。 [2]中相同的处理方式，同时能够处理2D和3D。 参考 3DUnetCNN https://github.com/ellisdg/3DUnetCNN 3DUnet-Tensorflow-Brats18 https://github.com/tkuanlun350 /3DUnet-Tensorflow-Brats18/blob/master/utils.py
1K10发布于 2019-11-19
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号