医院是守护一方百姓健康福祉的核心,通过数字化技术持续提升医院运行效率、改善诊疗体验成为当下全社会所关注的民生焦点之一。
与百行百业一样,智慧医院的打造需要一个强大的网络底座。在近期举办的“2022中华医院信息网络大会(CHINC)暨中国医疗信息技术展”上,紫光股份旗下新华三集团全方位展示了智融全光网络解决方案,以及基于Wi-Fi,IoT、5G等技术的融合网络解决方案,助力医院园区网络建设成本更优、速度更快,网络管理更智能。
智融全光方案完美适配医疗全场景网络需求
人员多、设备密、业务多、场景多是医院的典型特征,以医疗影像和电子病历为代表的数字化业务和海量医疗设备的快速增长,导致医院原有网络架构不堪重负,很容易造成局部网络拥塞,影响诊疗体验和医院运行效率。全光网络以其更高带宽、大二层网络、易于运维和扩容、超长传输、绿色低碳等优点,逐渐成为医疗行业网络建设的首选。本次展会上,新华三集团全面展示了智融全光园区网络解决方案。方案以“以太光+PON光”的融合技术路线为核心,并创新的推出了承担汇聚功能的光主机和负责接入的影终端,凭借组网简单、光传输距离长、光电混合布线及POE功能针对医院各应用场景均作了完美适配。
●门诊大厅:智融全光方案充分发挥光纤信号传输距离远、组网所需设备少的特点,通过极简的网络结构,利用创新的光电混合缆和影终端接入交换机组合实现各类终端快速接入,网络可靠性获得成倍提升,满足各类自助终端机和大量缴费用PC联网需求。
●医疗影像中心:以CT、PET等为代表的医疗影像设备单次扫描便能生成数个GB的数据,传统网络需要大量时间才能完成数据上传。智融全光方案可充分发挥全光网络高带宽优势,极大缩短数据上传时间,加速医院运行效率。
●智慧病房:面对存在大量医疗设备终端的场景,传统方案只能用多张网来分别承载。智融全光方案只需两条链路就能分别承载全部内网和外网应用,以虚拟AP的方式既为各种医疗物联网设备提供内网服务,也为人员的智能设备提供外网服务。此外,通过基于SDN技术的以太网QoS质量管理,医院也可在一张网承载所有业务的前提下,为各类关键业务提供最高的流量优先级,确保救治响应的及时有效。
5G+Wi-Fi+IoT多网融合,构建无线智能互联
在政策和市场需求驱动下,“5G+”已经成为未来医疗无线网络建设主要方向之一。面对种类繁多、协议各异的医疗终端及物联网设备接入和管理需求,如何用最简化网络架构,通过多网融合技术实现设备数据的互联互通,让各类云原生应用畅通地触达各业务线并提升运行效率,成为各医院在数字化转型中不得不面对的问题。
本次新华三集团展示的“5G+Wi-Fi+IoT多网融合业务系统”真正实现了医疗网络的三网合一和统一管理。系统以5G CPE融合物联网网关为数据总线,建立全覆盖的融合网络,通过5G、Wi-Fi、蓝牙、RFID,实现医院业务终端的数据传输与共享。依托绿洲物联网平台和AC设备,系统对5G CPE设备、Wi-Fi6无线网络及IoT物联网统一管理,实现人、设备、器械的一体化协同与联动,满足事态早发现、快处置,有留档、减损失的要求。目前,新华三集团5G+Wi-Fi+IoT多网融合业务解决方案已经在宁波市第一医院实现落地应用,并顺利通过了由国家卫生统计信息中心组织的互联互通五乙评测,获得客户广泛好评。
展望未来,新华三集团在“云智原生”战略指引下,将充分发挥自身技术优势与实践经验,持续探索网络创新技术在医疗健康领域的应用场景,引领智慧医疗发展迈向新征程。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。