7月5日上午,北京曙光易通技术有限公司主办的非接触式人体振动体征监测技术研讨会在北京成功举办。本次会议提出了基于振动大数据的疾病筛查与健康管理新模式,曙光易通非接触人体振动体征监测技术首次亮相。
曙光易通自2016年起与日立超LSI公司、日本秋田大学医学部合作启动非接触式振动体征监测项目,通过充分发挥三家机构在技术、人才和市场上的优势,以压电式传感技术、高精度信号解析技术和振动体征智能分析判断技术为核心,使用非接触无源压电式传感器采集高精度振动体征信号,在云端对振动体征信号进行深度解析和智能判断,重点通过心率、呼吸、睡眠和体动数据进行疾病筛查和健康管理,创新机构、社区、居家三位一体的健康管理服务模式,实现远程健康监护,做到时时健康监测,日日健康管理,形成定期评价,做到疾病的早期发现、早期治疗。
曙光易通非接触式振动体征监测技术运用低价格传感器组件,在无拘束状态下获取人体体征振动大数据信息,能及时准确地分析人体健康状态,进行疾病筛查和健康预测,对中国即将进入老年化社会的健康管理具有巨大意义。
本次研讨会旨在通过国际资深的振动体征专家秋田大学医学部部长尾野恭一教授到北京与国内医疗机构的专家学者、康养机构的管理人员一同就振动体征大数据进行学术交流和应用研讨,以推动非接触式振动体征监测技术在中国的应用和发展。中国老年保健协会、北京大学第三医院、第六医院、东南大学、三零一医院、莱芜新矿医院的医学专家,平安科技、人保资本、顺泽悦康等保险和部分健康机构的嘉宾,以及莱芜市政府代表应邀出席。
中国老年保健协会副会长兼秘书长俞华在会上表示,中国已经进入了老龄化时代 未来老年人的健康管理、养老护理对于家庭和社会的压力非常大。协会关注并支持具有实时性、准确性、无创伤性等特征的监测新技术的发展和相关服务产品的研发,以帮助医养机构、医护人员和家庭成员更加便捷、有效、及时地掌握患者的体征变化,做好相应的健康管理,造福于家庭和社会。
北京曙光易通技术有限公司总经理韩烽在会上发表了致辞,向与会代表介绍了三年来通过国际合作与日立超LSI、日本秋田大学医学部开展非接触式人体振动体征监测项目研发的进展情况,该项目作为中科曙光“数据中国”战略的重要组成部分,下一步将通过云计算、物联网、振动体征大数据与疾病筛查、健康管理的紧密结合,创新数字健康新模式,引领数字健康新方向。
本次研讨会邀请了日本秋田大学医学部部长尾野恭一教授做“关于使用振动体征传感器的心率、呼吸远程监控系统实用化研究-面向疾病筛查及健康管理的应用”的主题演讲,与与会来宾研讨如何采取非接触式压电式传感技术、高精度信号解析技术和振动体征智能分析判断技术实现疾病筛查和健康管理。
会上,莱芜市钢城区史秀卫副区长就与曙光易通和日立合作开展非接触式人体振动体征监测技术产业化和应用示范的情况进行了介绍,下一步莱芜市将积极支持建设各类人群的振动体征大数据的应用示范,实现医疗(康养)机构、社区和居家三位一体的数字健康管理模式,同时通过莱芜市人体振动体征大数据的建设,为国内医疗机构和专家学者开展振动体征判断和辅助诊断等领域的人工智能创新项目科学研究提供落地支持,建设人体振动体征人工智能平台和联合实验室,共同探索基于人工智能的人体振动体征诊断标准,推动健康服务体系持续优化升级。
在本次研讨会结束后,曙光易通将于今年10月正式推出首款集云计算、大数据、物联网和人工智能于一体的非接触、高精度和低成本人体振动体征监测设备,实现个人健康实时监测与评估、疾病预警、慢病筛查和主动干预,实现远程健康监护和日常健康监测管理,做到疾病的早期发现、早期治疗。打造基于振动大数据的疾病筛查与健康管理新模式。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。