2022年5月31日,今天希捷科技联合HC3i数字医疗网成功举办了主题为“数据赋能,焕新医疗”的医疗影像数字化发展线上研讨会。会议特邀北京大学肿瘤医院信息部主任衡反修,深圳瑞驰和Commvault医疗信息化解决方案专家与架构师带来主题内容分享,共探医疗影像的数字化建设与发展。
数字时代背景下,医疗行业将进入数字化转型的高速发展期。随着医疗技术进步和存储需求提升,医学影像数据量飞速增长,数据安全、备份、数据保护等工作得到了医疗机构与医疗信息化从业者的密切关注。与此同时,医学影像的移动化应用将成为常态,基于医学影像的人工智能辅助诊断也在逐渐兴起。如何用更佳的方式存储数据,如何搭建高速度、高容量、高可靠性的存储方案,适应不断涌现的数据使用需求,是医疗机构的核心关注点。
基于这些挑战,希捷与合作伙伴,包括瑞驰和Commvault等行业领导者共同打造医疗影像数据解决方案。围绕智慧医疗背景下的影像系统建设,希捷联手生态伙伴共同应对智慧医疗海量影像存储,为医疗影像数据的生命周期管理保驾护航。
一直以来,希捷持续关注医疗行业的数字化转型及医疗影像数据量激增的挑战。希捷企业级存储产品及解决方案为医疗影像数据的存储与管理提供有效支撑,其中包括希捷Exos CORVAULT自修复、高密度智能存储系统、希捷大容量企业级硬盘等产品,为医疗影像数据提供“一劳永逸式”海量存储管理。
医疗影像数字化是大势所趋。面对转型中影像数据量增长不断带来的更高标准和挑战,希捷将与合作伙伴一起,洞见医疗影像发展,为海量影像数据的存储和管理搭建更多完整的解决方案,深入挖掘影像数据价值并激发医疗数据潜力,助力智慧医疗的未来。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。