医疗电子最新文章 国内首个医学人工智能研发中心在四川大学建立 四川大学华西医院在国内首先建立医学人工智能研发中心，通过“人工智能技术 + 互联网”，让基层医疗得到升级，以医疗技术的更新为病人带来福祉。四川大学华西医院正在开展的消化内镜人工智能技术，借助后台强大数据库，对患者图片、视频进行提示和判定，帮助医生特别是年轻医生快速诊断。四川大学华西医院打造的医学人工智能研发中心致力于对消化内镜、病理、CT、MRI、超声等多个学科开展系统性的医学人工智能研发、转化、应用和推广，在新药研发、辅助疾病诊断、辅助 发表于：2017/9/27 全国首例！西安女子接受机器人牙科手术 最近一名女性成为中国首位由机器人主刀完成了口腔手术的牙科患者。当医生在房间内执行操作时，机器人根据预先编好的程序自动地把两颗牙齿移植到患者口中。 发表于：2017/9/27 人工智能可提前10年发现老年痴呆症 世界各地的研究人员都在研究如何尽早发现老年痴呆症。毕竟，早期发现能让人们找到合适的治疗方法，从而减缓病情的影响，同时也有足够的时间让他们安排法律和经济事务。一些人决定把重点放在血液和脑脊液测试上，而另一些人则在开发可以发现早期迹象的小工具。然而，来自意大利巴里大学的一组研究人员认为，如何尽早发现老年痴呆症取决于人工智能。他们开发了一种算法，可以在症状出现前10年发现由疾病引起的大脑微小结构变化。 发表于：2017/9/27 癌症如何预防扩散吗？荧光显微成像仪：可以 癌症被谓为众病之王,如何预防恶性肿瘤的转移和扩散,一直是临床医学界难题。 发表于：2017/9/27 一个简单的手术治好癌症，细胞手术机器人这个厉害？ 据最新公布数据表明，全球每年有880万人死于癌症，占全球每年死亡总人数近六分之一，死者大多数在中低收入国家。每年有1400多万新发癌症病例，预计到2030年这一数字将增加到2100多万，癌症已经成为世界头顶的一片乌云。 发表于：2017/9/27 基于STM32的牙医综合治疗椅控制系统设计 针对目前国产牙医综合治疗椅控制系统性能不稳定、整合度低等缺点，设计了一种基于STM32的主从式通信模式的控制系统。该系统的主机以STM32F105VCT6为核心控制芯片，实现对各执行机构和检测芯片的控制，从机是STC89C52芯片和按键组成的主机功能控制按键面板，系统通过基于RS-485总线的多机通信协议实现主从机之间的数据传输和协同工作，通过液晶屏实时显示系统运行状态。经实验验证，该系统运行稳定可靠，自动化程度高，人机交互能力强，具有较好的推广价值。 发表于：2017/9/27 惯性测量传感技术实现精确外科手术 计算机辅助外科手术不断创新，推动现代医学突破界限，朝着全新而令人振奋的尖端科学方向发展。基于控制台和摄像机的系统逐渐替代了传统的外科手术仪器，使外科医生能够为病人进行异常精确的手术。 病人膝盖 发表于：2017/9/26 TI EEG模拟前端将噪声锐降超75%支持非侵入式脑波监控 日前，德州仪器 (TI) 宣布推出支持非侵入式脑波监控的业界最低噪声脑电图 (EEG) 模拟前端 (AFE)，进一步壮大其获奖 ADS1298 AFE 产品阵营。 发表于：2017/9/26 科学家发明“零损伤”复苏冷冻人体细胞技术，器官短缺问题将得到改善 近日，科学家发明了一种新型纳米磁加热技术，可以零损伤地复苏冷冻的人体细胞组织。 发表于：2017/9/26 这款微型机器人又给癌症患者带来希望 近日，抗癌大军又迎来了一股新力量，《科学·机器人学》杂志刊登了一项新的研究成果，研究人员利用磁场，远程控制带有磁性的微型机器人在人体内进行“作业”。 发表于：2017/9/26 3D打印技术或将改变医疗行业的历史进程！ 30年来，3D打印逐渐被应用于工业设计、建筑、汽车、航空航天、牙科和医疗产业、教育等多个领域——我们甚至不知道3D打印的极限在哪里，但是，我们可以确定的是：作为尖端科技，3D打印或将改变人类的历史进程!下面就随小编一起来了解一下相关内容吧。 发表于：2017/9/26 瑞典科学家成功让3D打印人体软骨细胞在老鼠身上生长和血管化 近日，来自瑞典查尔姆斯理工大学和萨尔格学院的一组研究人员宣布，他们成功地让3D打印人体软骨细胞在老鼠身上存活并生长。 发表于：2017/9/26 世界首个分子机器人诞生 未来可用于研发药物 北京9月21日电 （记者聂翠蓉）据英国曼彻斯特大学官网20日报道，该校科学家研制出世界上首个“分子机器人”，其能接收化学指令并完成组装分子等基本任务，未来可用于研发药物、设计先进制造工艺以及搭建分子组装线和分子工厂。 发表于：2017/9/22 基于MSE-PCA的脑电睡眠分期方法研究 针对传统的自动睡眠分期准确率不足问题，提出一种将多尺度熵（MSE）和主成分分析（PCA）联合使用的自动睡眠分期方法。以8例受试者睡眠脑电（EEG）监测数据及专家人工分期结果作为样本，首先使用MSE表征受试者脑电信号不同睡眠期的非线性动力学特征；然后使用PCA的前两个主成分向量代替MSE特征进行降维，实现降低数据冗余的同时保留绝大多数EEG非线性特征；最终将新向量的特征参数输入到反馈神经网络(BPNN)分类器中实现MSE-PCA模型的脑电睡眠状态的自动识别分类。实验结果表明，自动分期准确率可达到87.9%，kappa系数0.77，该方法能提高脑电自动睡眠分期系统的准确率和稳定性。 发表于：2017/9/22 替医生读片 人工智能行吗？ 近年来，人工智能开始进入医学影像应用。这种黑科技会不会是炒作、炫耀，没有实际临床价值？如果有价值，能代替人工吗？ 发表于：2017/9/22 <…221222223224225226227228229230…>
