医疗电子最新文章 商业不是腾讯医疗的第一步 从2014年投资医疗企业开始，到自己做腾爱医生、智慧医院、觅影、腾讯医典，直到八个月前，腾讯成立CSIG事业群（云与智慧产业事业群）全面聚焦产业互联网后，对于医疗产业的探索，腾讯才开始有了清晰思路。 发表于：2019/5/25 医学影像AI进入后深度学习时代 市场规模不断扩大 随着人口老龄化的加剧以及民众健康意识的提升，医学影像检查次数每年以超过30％的速度增加，而影像科医生每年的增长速度不到5％，这里面存在着严重的供需失衡。 发表于：2019/5/25 “智医疗 至健康”，“腾讯觅影” AI 辅诊准确率高达 90% 2019腾讯全球数字生态大会将于5月21日-5月23日在昆明滇池国际会展中心召开。5月22日上午，以“智医疗 至健康”为主题的智慧医疗专场重磅开启。 发表于：2019/5/24 腾讯医疗人工智能研究院院长范伟：AI技术有能力推动医学解决盲点 “这是一个电影片段，大家有谁看出演员的步态有问题？“在5月22日于昆明举行的腾讯全球数字生态大会智慧医疗专场上，腾讯医疗人工智能研究院院长范伟博士以一个提问开启了他的演讲。 发表于：2019/5/24 小米手环4升级健康监测功能 虽然小米手环3去年5月份正式发布之后，一直销售火爆，不到半年的时间内，全球出货量就超过了1000万台。但电子或者说智能产品的更新换代，也是一个客观规律，因此，从今年（2019年）年初开始，其换代产品－小米手环4的进展，就颇受媒体关注。 发表于：2019/5/22 互联网医疗要想兼具流量和口碑 把服务体系做好才是关键 要看一家互联网医疗公司的综合实力，关键是要看其的业务布局是否多元。而多元业务布局的基础，是以庞大的网络、领先的技术、卓越的运营和产品专业知识来做支撑的。协同好这些能够产生规模效应的能力，3年便可看出互联网医疗公司的未来前景。 发表于：2019/5/22 “互联网＋医疗影像”行业已经步入快车道 伴随着大数据、云计算、AI技术的不断涌现和发展，医疗健康服务格局正在发生巨变，医学影像市场迎来了黄金时代：各地影像中心建设如雨后春笋，各类AI应用全面加持，各项影像解决方案层出不穷。 发表于：2019/5/22 医疗电子领域有哪些重要的传感器 可穿戴的健康传感器早已面市，而一种可吸收的变形杆菌类传感器也早已诞生(已通过了FDA(美国食品及药物管理局)审核)，传感器在医疗电子领域的应用屡见不鲜。 发表于：2019/5/22 医疗虚拟助手人性化医疗 利用人工智能缓解医患矛盾 人工智能的应用，既能够极大地增加有效的医疗资源，也可以进一步促进医疗的人性化程度。而这种发展最重要的社会效益，便是缓解医患矛盾，尤其是对于中国这样医疗资源分布不均的国家而言。 发表于：2019/5/22 看病不再担心丢发票 医疗票据电子化让你省心 你有这样的经历吗？医疗保险赔付、车祸工伤赔付，却丢了一张医院看病的“发票”……再去医院财务科开发票证明，除了收集“我是我”证明材料以外，不熟悉流程的，来回几趟必不可少。或者说，诊间结算后，发票还是需要排队到收费窗口打印……自2017年12月起，浙江中医药大学附属第二医院（浙中医大二院）试点推出医疗票据电子化，这样的麻烦也迎刃而解。 发表于：2019/5/22 AI+医疗逐渐成为热门领域 为医疗健康行业带来了一场全新的革命 人工智能已然成为我们这个时代的一个决定性议题，它影响着国家安全、经济发展、及科技发展。而人工智能的东风早已吹到了医疗领域。 发表于：2019/5/22 阿里健康营收增长翻倍 大力拓展创新业务 阿里健康5月16日晚间发布2019财年业绩。作为阿里巴巴“Double H”战略在大健康领域的旗舰平台，阿里健康在过去一年继续保持收入和毛利的高速强劲增长。截至今年3月31日，阿里健康实现收入50.96亿元（人民币，下同），毛利13.31亿元，同比分别增长108.6%和103.9%；经调整后的利润达1.22亿元。 发表于：2019/5/22 人工智能研究方兴未艾 应用于医学影像是大势所趋 人工智能是指研发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的科学，是融合了计算机科学、统计学、脑神经科学等前沿学科的综合性学科。经过半个多世纪的发展，人工智能在图像识别、语音识别、文本处理等领域取得了突破性进展。目前人工智能也在深刻地影响着医学的发展，特别是给医学影像分析带来了前所未有的机遇和挑战。 发表于：2019/5/22 全国首个5G医疗救援系统已经上线 分析人士指出，伴随政策的放开和信息化基础的完善，智慧医疗领域正受到越来越多的关注，相关研究论坛的召开，越来越多应用平台的落地，表明产业整体发展正在加速，行业商业模式也将由项目制向流量分成模式升级，医疗信息化建设有望迎来3年-5年的高景气周期。 发表于：2019/5/22 AI技术如何通过医疗记录来进行再就诊率预测 电子健康记录里存储了关于医院患者的有价值信息，但它们通常是分散的、非结构化的，这使得难以使用AI系统来对其进行省时、省力的解析。幸运的是，纽约大学和普林斯顿大学的研究人员开发了一个框架，用于评估临床记录（即症状描述、诊断原因和放射学结果），并自动打一个风险评分，来表明患者是否会在未来30天内再次入院就诊。他们声称，相关的代码和模型参数已经公开在了Github上，其表现已经轻松超过基准线。 发表于：2019/5/22 <…104105106107108109110111112113…>
