- 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。 支持LLaMA、LLaMA-2全系列模型训练； 支持LoRA、QLoRA，包括后续PPO、DPO强化学习训练； 支持模型与知识库结合问答； 开源了超过60个医院科室的导诊材料信息； 开发了支持GPT-4/ ChatGPT模型蒸馏医学数据的工具，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 MedicalGPT/reward Zhongjing/rw comparison_gpt4_data HH-RLHF UltraFeedback 项目地址: 关注微信公众号 datayx 然后回复 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。
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DotNet NB && CloudNative
AI应用实战课学习总结（4）医疗数据可视化
今天是我们的第4站，通过一个经典的医疗数据集来进行数据可视化的实战。 下面就是该数据集所有的数据字段的介绍： 该数据集大约有569个样本，它的良性（健康）数据样本 和 恶性（确诊）数据样本相对来说是比较平均的（良性357个，恶性212个）。 针对该数据集，我们可以使用Matplotlib和Seaborn等可视化库快速做一些数据可视化的操作，帮助我们进行数据分析。 linestyle='--', linewidth=0.7, alpha=0.6) plt.tight_layout() plt.show() 前三个特征（平均半径、平均纹理和平均周长）的直方图效果如下： Step4 0.5) plt.title('前10个特征的相关性热图') plt.tight_layout() plt.show() 得到的标准化后的前10个特征的相关性热图如下： 小结 本文介绍了经典的乳腺癌医疗数据集
45610编辑于 2025-02-27 - 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 （如 GPT4）的AI代理（如 AutoGPT、AgentGPT）。 “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.
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 从投融资领域的分布看，2016年8月，大数据技术应用领域发生20起投融资事件，其中，数据分析方向是最热得投资方向，共发生9起，其次为精准营销4起，风险管控3起，大数据工具3起，基础架构1起 图表 4：2016年8月 大数据企业募资金额领域分布（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。 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 - 来自专栏木东居士的专栏
闲聊4年大数据经历
0x00 前言 周末闲来无事，想到从13年接触大数据这个名词，到现在也有4年的时间了，随便聊一聊自己和大数据接触的那些经历。 0x01 大数据 “什么是大数据？” ，和数据相关的技术也都数据大数据。 2016年初 然后到了16年初，感觉机器学习突然间火起来了，突然间大数据的概念就被割裂出去了一大部分，机器学习和数据挖掘这部分和算法强相关的内容一下子就不属于大数据这个概念了。 然后数据量一下暴增了，一天要处理的数据增到了百亿的级别，很多任务的数据量都超过了千亿，。下子问题就大了，遇到了很多的挑战，比如数据倾斜、数据丢失、数据读写影响这些问题。 大规模数据的处理是一个非常大的课题，但是这一点更偏向于是搞技术的。 我们在做大数据的时候也更应该有数据的理解，这里对数据的理解可能会和数据分析、数据挖掘有类似，但是又不同。
85230发布于 2018-05-25 - 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
2017年4月底，全国底层医疗卫生机构93万个，其间诊所（医务室）20.5万个，跟着分级治疗的继续推进，底层医疗诊所势必会迎来量级增长。但是理想很饱满，实际很骨感。底层诊所的痛点也的确无法忽视。 【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。 【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 数据同步最全避坑指南！4大痛点+4大场景技术方案
系统A和系统B的数据对不上，流程卡住，用户投诉？想搞实时同步提升体验，结果把核心数据库拖慢了？尤其在企业内部数据分析和业务流程流转等关键时刻，如果数据同步跟不上，问题就大了。 （2）技术实现：全周期一致性方案通过将存量数据校验与增量同步并行处理，缩短数据切换时间，降低业务中断风险。4.资源消耗与扩展不足（1）痛点：流式同步技术在提升实时性的同时，对计算资源的需求大大增加。 误区 4：安全防护的合规性缺失敏感数据同步需满足分类分级要求，山东大数据局明确要求传输加密、脱敏处理与最小权限管控。工具应该内置敏感数据规则，并支持操作日志审计留存，确保符合监管要求。 3.流处理平台：实时化场景方案企业可以根据场景选择单一工具或组合方案：4.新一代统一架构：流批一体与湖仓融合理想的数据同步架构应该整合流批一体引擎（Flink）、湖仓存储层（Iceberg）与智能管控面 当医疗机构通过一致性方案实现分钟级数据库切换，金融机构用流式技术支撑毫秒级风控，政务平台以 API 化提升基层效率时，数据同步成为业务创新的核心动能。
59310编辑于 2025-09-22- 来自专栏云计算D1net
大数据时代 云安全4大策略
云计算与大数据的结合可以说是天作之合。大数据需要灵活的计算环境，而后者可以快速、自动地进行扩展以支持海量数据，基础设施。 4、对数据安全永不妥协 虽然云安全通常十分复杂，但是用户在大数据部署当中还是会发现一些“安全捷径”。这些“安全捷径”通常貌似能够回避一些复杂设置，同时保持大数据结构“不受伤害”。 并不是所有的大数据基础设施是安全的，如果处于风险当中的数据非常敏感或是属于管制数据，那么用户可能需要寻找替代方案。 多备份在给用户备份数据时自动把数据压缩加密并传到多个云端平台，采用3层加密安全保护体系使得数据安全达到最高。 总结 只有为数据建立了最为严格的安全标准，大数据才能够不断地享受着由云计算提供的可扩展性、灵活性和自动化。加密被认为是保护云(大)数据的首要步骤。
1.3K70发布于 2018-03-21 - 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
7月29日当天，除了引人眼球的主会场以外，上午同步开放4个分论坛，我们将逐一推送每个分论坛的盛况，以及演讲嘉宾速记稿整理，给每一个CDA成员奉上干货。 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 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 余中博士在现场详细介绍了4P医学的概念和作用，以及以人为本的一体化卫生服务体系，讲解了健康医疗大数据建立和应用的理论和实践，充分闸述了其中的挑战和机遇，为大数据人工智能助力实现“健康中国2030”规划纲要提出了一个具体的实施路径
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。
45110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。 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。 In The Web Conference. 541– 550. [4] Pengfei Cao, Yubo Chen, Kang Liu, Jun Zhao, Shengping Liu, and Weifeng
61410编辑于 2023-03-29 数据资产怎么管？关键在这4大环节！
我们可以利用数据发现工具或数据目录平台，自动连接到公司内部的各个数据库、数据仓库甚至文件存储。 2.核心是抓取“元数据”工具会自动采集“关于数据的数据”，比如一个数据表叫什么、在哪里、包含哪些字段（这是技术元数据）；每个字段在业务上代表什么，归哪个部门管（这是业务元数据）。 3.形成数据目录将所有采集到的元数据组织起来，形成一个可搜索的、统一的数据资产地图。想象一下，这就是你公司数据的“搜索引擎”。做完这一步，你就能快速回答：我们到底有没有“客户满意度评分”这个数据？ 2.设计一致的数据模型在数据汇聚的层面，比如数据仓库里，按照商定好的标准来设计和整合数据，确保口径一致。3.理清数据血缘这一点非常关键。 我们应该把处理好的数据，封装成易于使用的数据服务API、可复用的数据产品或直观的分析报表。让业务方能够方便地获取数据能力。2.尝试进行价值度量数据值多少钱？这是个难题，但我们必须尝试去回答。
32310编辑于 2025-12-08- 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
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。 4、实验 4.1、Dataset ACDC（自动心脏诊断挑战）数据集是MICCAI 2017挑战的一部分，该挑战包含100名患者的心脏结构的MRI扫描，每个患者有2个3Dvolumes。 在表2中， Dice 随着深度的增加而增加，直到 Depth＝4为止。如上所述，线性预测Head可能会出现装配不足的问题。当Depth< 4时，更大的预测Head会带来更好的模型能力。
1.3K20编辑于 2023-09-04 - 来自专栏程序随笔
聊聊心理医疗领域大模型的落地思考
近来，工作偏向于心理医疗领域方面的大模型，仅从领域大模型的落地，聊聊个人的一些思考。 硬件 准备好花钱买GPU。 领域大模型 业务场景的思考 首先需要审视斟酌业务领域的特殊性与可行性，我们要做的是心理领域，而心理领域倾向于医患对话，即询问链的场景；不仅仅是一问一回答的角度，而作为智能体(AI模型/医生)还需要 对患者的回答进行 开源模型 摸着石头过河——目前医疗、金融等领域已经有很多的开源模型，作为技术储备与预研，极其需要对已有的开源模型做一些调研。 如下是我个人觉得不错且对于我们的场景可以借鉴的医疗模型： 扁鹊 BianQue 灵心 SoulChat CareGPT MedicalGPT 对于开源模型的研究，不仅仅是跑demo，没有什么用处，毕竟又不能直接拿过来落地 训练数据及格式 数据的质量与格式，在这些开源模型都是有的；而且对我们的业务来说，多轮对话是很常见的，因此怎么样让数据更紧凑更小，但不损坏数据质量，是我们需要审视的。
42110编辑于 2024-03-21
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