醫療電子最新文章 機器人在肺癌診療領域中的應用 據中國腫瘤登記中心的信息顯示，在所有的癌癥死亡病例中，肺癌死亡比例超過了35%。男性患者高于女性患者；發病年齡大多數在40歲以上，50～70歲最多見。肺癌早期往往無明顯癥狀，75%患者診斷時已是晚期。 發表于：11/21/2018 國內首項人工智能心電產品獲美國FDA批準，究竟花落誰家？ 繼樂普醫療心電圖人工智能自動分析系統“AI ECG Platform”獲得FDA注冊受理后，又于近期獲得FDA注冊批準。準確來說，人工智能是樂普醫療未來發展的重點工作和重要領域。 發表于：11/21/2018 淚液葡萄糖傳感器有望讓可穿戴無創血糖監測儀成為現實 幾十年來，研究人員一直在呼吁建立一種可穿戴的無創血糖監測儀。這種裝置可以幫助數百萬糖尿病患者更密切地追蹤他們的血糖水平，而不用忍受針刺傷皮膚帶來的痛苦。 發表于：11/21/2018 中國第一款消化內鏡機器人在德國全球首發 11月10日至11日，第三屆世界醫療機器人大會（The 3rd World Medical Robotics Conference）在德國慕尼黑工業大學召開。 發表于：11/21/2018 醫學影像AI以技術創新為核心 解決醫生在臨床工作中的效率問題 自2006年Hinton及其學生發表了題為『Reducing the Dimensionality of Data with Neural Networks』的論文以來，雖然神經網絡的概念重新回到大眾的視野，但這項技術仍然沒有得到大規模的使用。因為效果不理想的問題，使得包括學術界很多學者都心存疑慮。 發表于：11/20/2018 圖瑪深維深耕AI輔助診療體系 深度合作是AI未來發展的主旋律 很多人都試圖在荒原之上鋪設自己的賽道，賽道固然重要，但基礎設施終究是服務于上方的產品。 所以，造車跟修路同樣重要。在AI影像領域，其核心的競爭，還是來源于產品質量之間的競爭。 發表于：11/20/2018 醫療影像+AI推動疾病早篩 中國腫瘤篩查進入“AI+”時代 肺癌是當前中國面臨的頭號腫瘤威脅，有數據顯示，我國每年有59萬人死于肺癌。若能早期發現，肺癌患者的生存期限及生存質量將大大提高，但現實是70%的肺癌患者在診斷時已是晚期。如何才能提前發現肺癌？人工智能（AI）正在這一領域發力。近日，記者獲悉，廣州醫科大學附屬第二醫院利用AI自動閱片系統，為1000多人做腫瘤篩查，查出10例肺癌。 發表于：11/20/2018 2018皮膚鏡＋人工智能應用新模式 助力提高醫生診斷效率 近日，在廣州舉辦的第十四屆中國皮膚科醫師年會 CDA 2018 上，來自德國和中國的項目展示了皮膚鏡人工智能應用新模式。 發表于：11/20/2018 騰訊醫療AI助力靶向治療 大幅減少了醫生的工作時間 近日，騰訊醫療AI實驗室與美國加州大學聯合發布最新研究成果《器官神經網絡：深度學習用于快速和全自動整體頭頸危及器官靶區勾畫》。 發表于：11/20/2018 Google宣布停止研發可以檢測眼淚中血糖水平的隱形眼鏡 近日，據 CNBC 報道，由于技術挑戰難度太高，Google母公司Alphabet停止研發可以檢測眼淚中血糖水平的隱形眼鏡。 發表于：11/20/2018 細胞手術機器人代表了醫療機器人發展的前沿 近年來，工業自動化帶動了機器人的高速發展，機器人行業呈現一種蓬勃發展的態勢。隨著機器人滲透到行業之中，醫療領域也開始有了機器人的身影，機器人作為一種手術的輔助工具，從最早的外科手術機器人到現在的細胞手術機器人，機器人在醫療行業的作用越來越重要。 發表于：11/20/2018 機器學習+精準醫療是未來超算中心研究的重點 眾所周知，中國的超級計算機在世界上處于領先水平，天河二號和神威太湖之光都先后霸占世界超級計算機排名榜首多年，超算技術是中國的驕傲。近幾年，人工智能和區塊鏈技術大火，也得到了很多資本市場的青睞，當超算與人工智能和區塊鏈技術結合，其應用前景將更加廣闊。 發表于：11/20/2018 耗資數十億，Alphabet宣布終止淚液血糖監測項目 相關數據統計顯示，目前全球范圍內的糖尿病患者已接近5億，僅中國就已大1.1億人。而由糖尿病所導致的，是患者身體的各種組織，特別是眼、腎、心臟、血管、神經等的慢性損害以及功能障礙，危害性極大。 發表于：11/19/2018 賽普拉斯推出超低功耗數據記錄解決方案，用于便攜式醫療設備、可穿戴與物聯網設備 Excelon LP F-RAM為關鍵的用戶數據提供無故障存儲，并最大程度地延長電池續航時間 發表于：11/19/2018 基于深度學習的胸部X光影像分析系統 提出一種應用嵌入式技術和深度學習技術實現對胸部X光影像分析的設計方案。采用NIVIDIA公司生產的Jetson TX2作為核心板，配備以太網模塊、WiFi模塊等功能模塊搭建該分析系統的硬件平臺。在GPU服務器上利用MobileNets卷積神經網絡對標注的胸部X光影像數據集進行訓練，將訓練好的神經網絡模型移植到Jetson TX2核心板，在嵌入式平臺下完成對胸腔積液、浸潤、肺氣腫、氣胸以及肺不張癥狀的檢測。利用美國國立衛生研究院提供的胸部X光影像數據進行測試，通過實驗證明，該方法在識別準確率上優于其他的檢測方法，同時識別所需時間比其他方法短。 發表于：11/15/2018 ?…140141142143144145146147148149…?
