- 综合排序
- 最热优先
- 最新优先
MediGo医疗大模型数据开发平台 八大场景赋能智慧医疗全流程
然而，医疗AI的发展正面临算法进步与数据生产力滞后的突出矛盾。澳鹏MediGo平台通过八大应用场景和七维技术矩阵，构建了从数据生产到模型训练的全链路解决方案，有望显著提升医疗AI模型的准确性和可靠性。 澳鹏Appen（中国）今日正式发布MediGo医疗大模型数据开发平台，这一创新性平台旨在解决医疗AI领域面临的数据标注精度不足、多模态协同处理效率低下等核心挑战。 该平台的推出标志着医疗AI数据服务进入专业化、智能化新阶段，将为医疗AI的临床应用提供强有力的数据支撑。 八大场景赋能智慧医疗全流程在诊疗场景方面，平台基于深度学习的病理图片智能分析系统能够自动标注病灶区域，帮助生成结构化诊断报告，显著提升诊断效率。 在数据安全方面，平台支持医疗级私有化部署方案，兼容企业内网环境，确保敏感医疗数据的安全流转。同时，基于医疗知识图谱的智能检索系统和版本控制系统，为数据管理提供了专业化的解决方案。
30310编辑于 2025-06-24- 来自专栏机器学习AI算法工程
医疗大语言模型：CareGPT
CareGPT (关怀GPT)是一个医疗大语言模型，同时它集合了数十个公开可用的医疗微调数据集和开放可用的医疗大语言模型，包含LLM的训练、测评、部署等以促进医疗LLM快速发展。 ，能够批量生成各种用于构建知识库和微调的数据； 聚合了丰富的开源医学LLM、LLM训练的医学数据、LLM部署资料、LLM测评以及相关LLM的资源整理； 我们参与了医学LLM的CMB榜单评测-IvyGPT ，在测试中，我们领先ChatGPT及一众开源医学LLM 数据集 预训练数据 LLM-Pretrain-FineTune/data_pretrain MedicalGPT/pretrain zysj TCM-Ancient-Books 数据集配置、PT、SFT、RW数据格式 dataset_info 如果您使用自定义数据集，请务必在 dataset_info.json 文件中以如下格式提供您的数据集定义。 PT example data .txt格式，一行一个无监督数据。
84910编辑于 2024-06-08 - 来自专栏PPV课数据科学社区
大数据在医疗领域的七大应用
★原文翻译★ 大数据的意义在于提供“大见解”：从不同来源收集信息，然后分析信息，以揭示用其他方法发现不了的趋势。在利用大数据发掘价值的所有行业中，医疗行业有可能实现最大的回报。 这只是大数据在医疗领域的众多应用之一。以下是大数据在医疗行业的一些常见用途，包括商业运作和健康管理： 1. 分析电子病历：医生共享电子病历可以收集和分析数据，寻找能够降低医疗成本的方法。 医生和医疗服务提供商之间共享患者数据，能够减少重复检查，改善患者体验。 大数据分析能够对患者的原始数据进行标准化整合，用以充实公共健康记录，而丰富多样的公共健康记录能催生更合理的法规，并提供更好的医疗。 4. 利用大数据，该诊所能分析2200余种医疗过程。因此，它能简化工作流程，把某些临床任务从医生转移到护士手上，减少不必要的检查，提高患者满意度。和其他行业一样，大数据指明了从哪里入手可以改善医疗过程。
1.4K60发布于 2018-04-23 - 来自专栏企鹅号快讯
大数据人工智能在医疗领域将大有可为，医疗健康大数据论坛大咖共话未来
2017年12月1日，由上海大数据联盟主办，2017中国大数据人工智能创新创业大赛组委会、健盟协办的“2017中国（上海）大数据产业创新峰会医疗健康大数据论坛”在上海宝华万豪酒店顺利举办。 席间多位领域专家大咖就论坛主题进行了深入地探讨，既吸引了业内专业人士的热情参与，又吸引了众多场外观众积极地收看直播。 ，国内首次联手医疗机构提供实际医疗场景AI创业赛，首次提供6大实际医疗场景，提供珍贵的骨骼X线图片数据集，对接医院实际紧迫需求等。 ，解读大数据人工智能技术在健康医疗领域的发展与创新应用。 （照片为：下半场圆桌论坛嘉宾进行深入探讨） 医疗健康大数据作为国家重要基础战略资源，正迎来爆发式增长，规模巨大的诊疗数据、患者行为感官数据、研发数据和支付医保数据等快速增加，我国市场前景良好。
1.3K00发布于 2017-12-27 - 来自专栏Soul Joy Hub
达尔文——生物医疗科学领域大模型
根据美国医学会的数据，医学专科已经超过180个，导致医学知识的分散和碎片化。 数据分散罕见：病历、药物信息、试验结果数据的分散性使得生物医疗领域难以综合和比较不同的数据。 蛋白质等等）也用于“达尔文”大模型（通用开源数据以外）进一步的预训练，赋予“达尔文”大模型在生物医疗领域比一般通用大模型具备更有竞争力的表现 2.2 科研强化 RLHF 是指"Reinforcement “火山方舟” 包含模型广场、模型体验、模型训练推荐以及模型应用的功能，其使命是加速大模型和大算力的应用落地，加快大模型在各行业发挥商业价值。 带给大家一个好消息，“达尔文”大模型将入驻火山引擎大模型生态，上架至“火山方舟”的模型广场，补全火山引擎大模型生态的生物医疗领域，并供大家使用与反馈。 火山方舟 3. 尽管在线智能问诊可以提供有用的信息，但它不是替代真正医疗专业人员的诊断和治疗。 线下导诊：线下智能导诊是指智能助手在医疗机构的实际场景中提供导诊服务。
96530编辑于 2023-07-21 - 来自专栏HyperAI超神经
【医疗健康工具汇总】国内首个医疗专科推理数据集；paperai可分析医学数据集；上海 AI 实验室开源医疗大模型群
* Ersilia：传染病和被忽视疾病模型中心 * 上海 AI 实验室开源医疗大模型群「浦医 2.0」 * 国内首个医疗专科推理数据集 RJUA-QA 开源 * paperai ：医学/科学文献发现和审阅引擎 资源地址： https://github.com/ersilia-os/ersilia 上海 AI 实验室开源医疗大模型群「浦医 2.0」 近日，上海 AI 实验室与上海交通大学医学院附属瑞金医院等合作伙伴联合发布医疗多模态基础模型群 「浦医 2.0」 (OpenMEDLab2.0)，实现了医疗大模型群「产、学、研、用、评」一站式开源，旨在为「跨领域、跨疾病、跨模态」的 AI 医疗应用提供能力支持。 资源地址： github.com/OpenMEDLab 国内首个医疗专科推理数据集 RJUA-QA 开源 蚂蚁集团与上海仁济医院泌尿科专家团队联合研发，基于医生团队临床经验，通过构造模拟病例数据的方式， 推出了首个中文医疗专科问答推理数据集 RJUA-QA，数据集由训练、验证、测试三部分组成，包含 2,132 个 QA 问答对，Context 来自于中国泌尿外科和男科疾病诊断治疗指南。
77410编辑于 2024-06-04 - 来自专栏数据猿
报告 | 2016年8月大数据投融资分析报告 ——医疗大数据促进中国医疗体制改革
根据不完全统计，2016年8月大数据行业共计发生33起投融资事件，相比上个月环比增长57%，其中已披露具体金额的有29起，涉及金额13.9亿人民币。 数据猿制图 医疗大数据促进中国医疗改革 从本月投融资金额来看，医疗大数据成为最大的投融资方向，且三家企业的投融资金额均在1亿元以上，其中吉因加融资2亿元，鹍远基因融资1.34亿元，全域医疗融资1亿元。 2、医疗大数据提升医疗系统的效率 医疗大数据的应用不局限于各医院的数据，也包括医疗保险系统的数据、卫生管理部门的数据，药品管理部门的数据、病人和医生的数据等。 3、医疗大数据有效减少医疗事故 电子健康/医疗记录数据，能够促进服务供应商和医疗机构之间的数据全面分享。 整体来说，在政府部门的政策促进下，医疗大数据在未来几年的发展值得期待，医疗大数据的发展也将给中国现有医疗体系带来重大改变。 注：2016年8月大数据领域投融资列表 ?
95790发布于 2018-04-20 - 来自专栏最新最全的大数据技术体系
11月大数据面试题复习
1）从 high-level 的角度来看，两者并没有大的差别。 11、Spark为什么要持久化，一般什么场景下要进行persist操作？ 为什么要进行持久化？ 当大表和小表join时，用map-side join能显著提高效率。 不一定，当数据规模小，Hash shuffle快于Sorted Shuffle数据规模大的时候；当数据量大，sorted Shuffle会比Hash shuffle快很多，因为数量大的有很多小文件，不均匀 ，甚至出现数据倾斜，消耗内存大，1.x之前spark使用hash，适合处理中小规模，1.x之后，增加了Sorted shuffle，Spark更能胜任大规模处理了。
92912编辑于 2021-12-06 - 来自专栏企鹅号快讯
基层医疗破局关键：从医疗SaaS三大未来趋势说起
【从安全万家说说医疗SaaS终究应该怎样玩】 安全不仅在医疗保险职业中具有多年累积的线上线下共同优势，并且在转型中还不断将大数据、云核算等技能才能落地于详细事务，彻底有资历充任探究医疗晋级的排头兵。 在治疗过程中，“云诊所”系统可以自动识别电子病历内容，结合大数据及AI才能，给出辅佐建议和个性化治疗思路，为经历不行丰厚的底层医师供给外部支持。 【底层医疗破局要害：从医疗SaaS三大趋势说起】 我在传统企业转型培训课“重立异”中提出，用互联网的技能、方法论和价值观，去重构（留意不是推翻）传统职业，构建“进口模式”的新商业形状，这是我国当时经济最大的亮点 ： 榜首，数据无缝化。 未来医疗SaaS必定不止停留在电子处方、线上就医、在线付出等单一流程功能的信息化上，而是将线上、线下全面打通，数据进口无缝化，患者和治疗组织不必忧虑数据对接错位的问题，然后可以建立起全面的笔直数据库，促进现代医学和治疗技能的前进
1K70发布于 2018-01-25 - 来自专栏数据结构与算法
11:大整数减法
11:大整数减法 查看 提交 统计 提问 总时间限制: 1000ms 内存限制: 65536kB描述 求两个大的正整数相减的差。 输入共2行，第1行是被减数a，第2行是减数b(a > b)。 char a[10001]; 6 char b[10001]; 7 int a1[10001]; 8 int b1[10001]; 9 int c[10001]; 10 int main() 11
1.4K100发布于 2018-04-11 - 来自专栏大数据文摘
大数据推进个性化医疗的五大原因
，由于与医疗保健相关，已经出现在个性化医疗革命的中心。 美国Definiens公司是生命科学领域里，对生物标志物诊断和医疗保健行业的定量数字化病理图像分析和数据挖掘解决方案的领先供应商。 该公司的首席执行官，托马斯黑德勒，和我们探讨了大数据推进个性化医疗事业的五大原因。 1. 能解开未知 科技可以帮助我们从实验样品和活组织切片中获取大量的数据。 能关联多种诊断信息来源并制定治疗方案 来自临床结果、遗传图谱和组织形态的大数据分析将是个性化医学的一大动力。随着我们对来自不同来源的数据对比整合，为每个患者量身定制治疗方案也将成为可能。 3. 病人病理样本的数据化，也就是从定性样品中提取多次离散数据点，就会产生广阔数据量，以便用来进行统计分析，并迅速做出切实可行的临床诊断和治疗建议。 4.
54250发布于 2018-05-22 - 来自专栏全栈程序员必看
淘宝双11大数据分析（数据可视化）
文章目录 前言 本篇环境 结果展示 项目结构 前言 这一篇是最终篇，也是展示数据分析之后的结果的一篇。 其他文章： 淘宝双11大数据分析（环境篇） 淘宝双11大数据分析（数据准备篇） 淘宝双11大数据分析（Hive 分析篇-上） 淘宝双11大数据分析（Hive 分析篇-下） 淘宝双11大数据分析（Spark
5.8K20编辑于 2022-09-14 - 来自专栏CDA数据分析师
【CDAS 2017】大数据与生物医疗分论坛： 智能数据，健康医疗
CDAS 2017中国数据分析师行业峰会的上午大数据与生物医疗分论坛中，来自北京大学第三医院、微软等六位专家与教授，分享了大数据在生物医疗行业的实践和应用。 人工智能在医疗数据中的应用 峰瑞资本早期项目负责人 谭验 谭验谭总从各行业数据化程度入手，探讨了医疗大数据的来源与应用，讲述了AI在制药中的应用，以及数据分析驱动下的医保控费，谭总在分享中还提到如何制定个性化解决方案 大数据助力临床医学研究应用 北京大学第三医院骨科秘书长 吴云霞 医疗大数据在临床医学研究中的应用是政府、医院、社会、医师及患者共同关注的问题，吴云霞以实际案例为依托，系统论述作为医务工作者如何理解医疗大数据 健康医疗大数据的建立与应用 经纶世纪医疗网络技术（北京）有限公司创始人&总裁 余中 打造健康医疗大数据驱动的智慧健康医疗服务是当今全球各国关注的重点，是人工智能在健康医疗行业进行深度融合和创新变革的最富有广阔前景的领域 AI/大数据与健康和医学的未来 微软（中国）有限公司产品经理 王大禹 王大禹简述了国内外流行的健康医疗领域大数据及AI技术的应用，通过对医疗健康领域四类最有代表性的数据——基因组数据、临床信息数据、图像数据和健康信息的分析总结出对于每一类数据最合适的处理
1.3K100发布于 2018-02-26 医疗大模型，巨头们的新赛场
正因如此，百度、腾讯等互联网大厂积累下来了大量医疗数据，这些数据积累使其推出专业的医疗大模型产品成为可能。 得益于此，微脉、卫宁健康都积累下来了海量的、高质量的医疗数据，这些数据无疑是大模型产品的优质训练数据集，能够帮助二者训练出精准度更高、可靠性更强的医疗大模型产品。 为了避免此类情况的发生，发力于此的厂商们必须保持审慎的态度，不断打磨产品本身，以提升大模型产品的能力。二是，医疗数据的隐私性高、数据处理难度大，医疗大模型的训练不易。 众所周知，由于医疗数据往往涉及患者本身，因此具备很高的私密性，但大模型能力的训练又需要大量数据为支撑，对研发医疗大模型的厂商来说，数据的获得有着比较高的难度。 不仅如此，由于数据标准不一，医疗行业的数据处理同样难度较高，需要医疗大模型厂商多下功夫。
45310编辑于 2024-04-15- 来自专栏pandas
Pandas数据应用：医疗数据分析
引言在医疗领域，数据分析对于改善患者护理、优化资源分配以及支持医学研究至关重要。 Pandas是一个强大的Python库，专为数据操作和分析而设计，它提供了高效的数据结构和数据分析工具，是进行医疗数据分析的理想选择。常见问题及解决方案1. 数据导入与预处理在开始任何分析之前，首先需要将数据导入到Pandas中。通常，医疗数据以CSV、Excel或数据库表的形式存储。 数据清洗与转换医疗数据往往包含大量的噪声和异常值，需要进行清洗和转换，以确保后续分析的准确性。常见问题异常值影响统计结果。分类变量未进行编码。 希望本文的内容能够为从事医疗数据分析的朋友们提供一些帮助。
83320编辑于 2025-01-03 - 来自专栏数据派THU
如何挖掘医疗数据？看这份KDD2021《异构医疗数据挖掘》教程
来源：专知 本文约1000字，建议阅读5分钟 在本教程中，我们将介绍最先进的深度学习方法及其实际应用，特别关注于探索不同类型医疗数据的独特特征。 [ 导读 ]ACM SIGKDD（国际数据挖掘与知识发现大会，简称 KDD）是世界数据挖掘领域的最高级别的学术会议，由 ACM 的数据挖掘及知识发现专委会（SIGKDD）主办，被中国计算机协会推荐为 A 来自华为的研究人员在PSU上给出关于异构医疗数据挖掘的教程，非常值得关注! 随着异构医疗数据和先进的机器学习和数据挖掘技术(特别是深度学习方法)的爆炸式发展，我们现在有机会在医疗保健领域有所作为。 在本教程中，我们将介绍最先进的深度学习方法及其实际应用，特别关注于探索不同类型医疗数据的独特特征。上半部分将用于介绍挖掘结构化医疗数据方面的最新进展，包括计算表型、疾病早期检测/风险预测和治疗建议。 在下半部分，我们将专注于针对非结构化医疗数据的挑战，并介绍自动化ICD编码的高级深度学习方法、可理解的医学语言翻译、临床试验挖掘和医学报告生成。
61410编辑于 2023-03-29 - 来自专栏PPV课数据科学社区
大数据挖掘中易犯的11大错误
按照Elder博士的总结，这11大易犯错误包括： 0.缺乏数据(LackData) 1.太关注训练(FocusonTraining) 2.只依赖一项技术(RelyonOneTechnique) 3.提错了问题 如果数据+工具就可以解决问题的话，还要人做什么呢4a.投机取巧的数据：数据本身只能帮助分析人员找到什么是显著的结果，但它并不能告诉你结果是对还是错。 给数据加上时间戳，避免被误用。 6.抛弃了不该忽略的案例(DiscountPeskyCases) IDMer：到底是“宁为鸡头，不为凤尾”，还是“大隐隐于市，小隐隐于野”? ，而是“这就有点奇怪了……” 数据中的不一致性有可能会是解决问题的线索，深挖下去也许可以解决一个大的业务问题。 (问题出在数据集的划分上。在把原始数据集划分为训练集和测试集时，原始数据集中违约客户的权重已经被提高过了) 解决方法：先进行数据集划分，然后再提高训练集中违约客户的权重。
71870发布于 2018-04-20 - 来自专栏PPV课数据科学社区
【译文】关于数据科学难以忽视的11大真相
. 9、Presentation is key - be a master of Power Point. 10、All models are false, but some are useful. 11 You need to get your hands dirty. 1、 数据都是没有清洗过的。 2、 你总是需要花费大量的时间准备和清洗数据。 3、 95%的任务不需要深度学习。 11、没有完全自动化的数据科学。很多你需要人工手动操作。 翻译：lily PPV课原创编译 转载请注明出处 原文链接：http://www.ppvke.com/Answer/? 2、回复“答案”查看大数据Hadoop面试笔试题及答案 3、回复“设计”查看这是我见过最逆天的设计，令人惊叹叫绝 4、回复“可视化”查看数据可视化专题-数据可视化案例与工具 5、回复“禅师”查看当禅师遇到一位理科生 知识无极限 6、回复“啤酒”查看数据挖掘关联注明案例-啤酒喝尿布 7、回复“栋察”查看大数据栋察——大数据时代的历史机遇连载 8、回复“数据咖”查看数据咖——PPV课数据爱好者俱乐部省分会会长招募 9、
81070发布于 2018-04-20 - 来自专栏华章科技
干货 ：数据挖掘中易犯的11大错误
11大易犯错误——Elder博士 0. 缺乏数据（Lack Data） 1. 太关注训练（Focus on Training） 2. 如果数据＋工具就可以解决问题的话，还要人做什么呢？ 4a.投机取巧的数据：数据本身只能帮助分析人员找到什么是显著的结果，但它并不能告诉你结果是对还是错。 给数据加上时间戳，避免被误用。 6. 抛弃了不该忽略的案例（Discount Pesky Cases） IDMer：到底是“宁为鸡头，不为凤尾”，还是“大隐隐于市，小隐隐于野”？ ，而是“这就有点奇怪了……” 数据中的不一致性有可能会是解决问题的线索，深挖下去也许可以解决一个大的业务问题。 （问题出在数据集的划分上。在把原始数据集划分为训练集和测试集时，原始数据集中违约客户的权重已经被提高过了） 解决方法：先进行数据集划分，然后再提高训练集中违约客户的权重。 10.
29220发布于 2018-08-13 - 来自专栏集智书童
医疗SAM也来啦 | AutoSAM告诉你如何在医疗领域更快更好开发大模型
为了评估作者的微调方法的标签效率，作者在有限的标签数据的公共医学图像分割数据集上比较了这3个预测Head的结果。 考虑到这些限制，本文提出了一种在医学图像数据集上微调SAM的直接方法，即冻结SAM编码器的权重，并在其上添加预测Head进行训练。冻结权重的原因是SAM是一个大模型，并且大多数权重由编码器贡献。 2、相关工作 2.1、大语言模型 在大型语言模型（LLM）出现之后，一些工作致力于在LLM中引入图像来完成多模态任务。例如，CLIP和ALIGN利用对比学习在嵌入空间中对齐网络图像及其标题。 2.2、为医学图像定制大模型 这一系列工作主要集中在针对特定分割数据集微调SAM，因为SAM在医学图像上表现出显著的性能退化。 最后，作者在图5中绘制了使用更多标记数据进行微调的结果。作者发现，当标记的卷数小于10时，AutoSAM仅比UNet（没有额外信息）和SimCLR（在同一数据集上预训练的知识）具有优势。
1.3K20编辑于 2023-09-04
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