医院的HIS、LIS、CIS,PACS等主要应用系统的可靠性、可用性要求非常高,包含了整个医院里的从挂号管理到门诊等等重要业务。从HIS系统来看,是在线要求持续运行的高可用系统,其系统的安全稳定运行,数据的安全快速恢复至关重要,影响着整个医院的业务正常运转。数据和应用的可靠性与安全性以及不间断、快速恢复已经成为非常关键的因素。即如何提高"在线数据的高可用性"和"在线应用的高可用性",成为医院HIS系统首要解决的问题!数据可以说是每个系统的血脉,支撑着整个系统的正常运行。
眉山中医院自建立以来,医院始终坚持信息化建设,经过多年的发展,已经拥有完善的IT基础设施及一批专业的技术支持队伍。随着业务系统的增加,为了更加有效的管理IT基础设施,医院在之前便采用了服务器虚拟化平台,通过虚拟化技术将服务器资源、存储资源、网络资源全面池化,实现对所有资源的统一化、集中化、智能化调度和管理。
存储设备需要保证两个存储设备上的数据能够时刻保持一致,即服务器端的写操作I/O要能够同时送到两个存储设备,通常情况下,在操作系统层面是无法实现的。同时还要确保在一台磁盘阵列出现故障时,另外一个磁盘阵列能够迅速的提供数据传输,保证业务连续性。
通常会使用两台光纤交换机搭建整个本地存储网络的SAN架构,形成冗余架构,提高系统的稳定性;同时应用服务器配置光纤HBA卡与交换机通过光纤链路连接,提高数据的整体传输速度。
Infortrend DS 1012R通过FC-SAN存储网络提供高质量的数据存储服务。HIS系统的主要数据类型是结构化的数据库文件,数据量一般在500GB以内,数据IO的块大小为4K-8K,属于典型的并发小I/O应用,需要存储性能提供较高的IOPS性能,DS 1012R系列FC存储在高并发数据库应用下IOPS高达550K,数据吞吐量可达到5.5GB/s的顺序读和1.9GB/s的顺序写,如此卓越的数据处理效率既可以满足当下数据的存取需求,可在线动态扩充容量及性能,为客户提供富于弹性的数据存储架构,又能不断满足HIS系统规模扩展或多业务融合时严苛的存储性能及可靠性要求,DS 1012R的快照及数据复制功能则进一步强化了数据安全。
针对医疗行业日后非结构化数据的大量增加,如电影、图片和视频,对存储空间需求很大,因此成本较低、灵活性高、又能无限扩展的云存储将成为用户下一阶段的需求。Infortrend推出的EonStor GS/GSe/GSe Pro系列为统一存储解决方案,将SAN、NAS和云整合到一个系统,获得强大存储功能。内嵌Infortrend自主研发的虚拟化平台,更稳定更高效,可以独立支持SAN和NAS两套系统,可将数据存储性能发挥到极致。SAN架构下全闪存端对端实测45万IOPS,11GB/s数据吞吐量,以及NAS架构下实测3GB/s带宽,再配合丰富的企业级数据服务,让EonStor GS系列在支持大数据存储容量,数据分析和数据安全中,成为真正的核心。其中最大亮点整合支持云存储,支持私有云和公有云服务,协助打造各种医疗云、政府云、广电云等,为客户的大数据保驾护航。
Infortrend始终秉承"技术创新"的理念,专注于专业磁盘阵列系统的研发与制造,掌握所有最尖端的专业存储技术,所生产的盘阵可分别支持SCSI、Fibre、SATA及SAS等多种不同的磁盘接口,从研发设计,到售后服务,"用户至上"的理念始终贯穿于Infortrend的整个生产销售流程. Infortrend EonStor,是您绝对值得信赖的存储伙伴。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。