4月14日,由国家卫健委统计信息中心组织的2023(17th)中国卫生信息技术/健康医疗大数据应用交流大会暨软硬件与健康医疗产品展览会(2023CHITEC),在安徽合肥隆重召开。华为联合旗云健康、软通智慧共同举办了以“共创智慧健康城市,赋能城市高质量发展”为主题的卫星会。华为联合多家机构正式成立“智慧健康城市研究型学术联合体”,并推出“数字健康共同体”技术参考架构,与旗云健康签署深化合作协议。华为将与伙伴携手共建智慧健康城市,加速推进健康中国战略实施。
数智惠民:共创智慧健康城市
《"健康中国2030"规划纲要》提出,把人民健康发展放在优先发展的战略地位,由“以治病为中心”向“以人民健康为中心”转变,全面提升公共卫生防控治疗能力为目标,让健康中国建设驶上了“快车道”。健康是幸福生活最重要的指标,也是现代化最为显著的特征之一,健康是人民群众最为关心的民生问题。
华为全球公共事业系统部总裁夏尊发表致辞
华为全球公共事业系统部总裁夏尊在致辞中表示,多年来,华为持续加强在医疗健康领域的投入,围绕国家“健康中国2030”战略实施,提供智慧卫健、智慧疾控、智慧医保、智慧医院等系列解决方案,与合作伙伴共建数字健康新技术、新应用、新场景,助力医疗行业数字化转型,提升医疗服务能力与水平。截至目前,华为的产品和行业解决方案已经服务于全国60%以上的医疗卫生机构。未来华为将与众多伙伴一起携手共赢,通过构建“数字健康共同体”,推动医疗健康领域管理、服务模式全面转型,实现健康数据的政府应用和社会应用深度融合,促进大健康产业数字化转型升级,最终实现数字健康高质量发展。
智慧健康城市研究型学术联合体共建仪式
在智慧健康城市研究型学术联合体共建仪式上,华为联合中国医学科学院和清华大学,宣布一起共建“智慧健康城市研究型学术联合体”,并推出共建城市健康指标体系。华为希望通过“数字健康共同体”与“城市数字化”的结合,改善城市规划、建设、治理和运行,使得自然环境、社会环境和卫生服务得到改善,健康生活方式得到普及,从而满足居民的健康需求,实现人与城和谐共生,城与人协调发展。
数字健康共同体:构筑智慧健康城市数字底座,赋能城市高质量发展
华为全球公共事业系统部医疗行业总经理赵祎鑫发表主题演讲
华为全球公共事业系统部医疗行业总经理赵祎鑫在“共建智慧健康城市数字底座,助力健康城市高质量发展”主题演讲中提到,在全民健康推进过程中,共建共享是建设健康中国的基本路径。华为公司立足于提供数字化底座(5G、云、AI、大数据等能力),发挥科技创新和信息化的引领支撑作用。华为希望让健康数据有生命,让智能无处不在。
数字健康共同体架构图
赵祎鑫表示,基于对以数字驱动的健康城市的思考,华为推出“数字健康共同体”技术参考架构——“11345”(一个底座、一张网、三大平台、支撑四大业务、实现五个覆盖),即通过构建一个统一的云底座,打造一张五级协同的多维感知和联接网络,依托医技平台、全面健康平台、科研大数据平台三大平台,结合端侧的健康感知数据,赋能四大业务,实现对辖区居民卫生健康基础信、医疗诊断信息健康管理记录、各类医疗卫生机构信息化规范接入、各类业务工作流程应用、各级管理决策工作应用的五个全覆盖,支撑各地区医疗健康产业建设,助力医疗健康治理体系和治理能力现代化。目前,方案在“健康苏州”、深圳罗湖区卫生服务体系改革、武汉健康云及长沙健康医疗大数据产业孵化基地,均取得了成功实践成果。
华为&旗云健康战略合作签约仪式
会议期间,华为还与旗云健康(深圳达实旗云健康科技有限公司)举办了战略合作签约仪式。双方将携手共进,通过数字孪生、数据可视化、大数据分析等技术,动态、科学地分析城市医疗资源的布局、紧张程度,改善统计分析方式数据维度的单一性,加强城市对卫生资源服务体系的治理能力,构建以防治结合为基础、以家庭和社区为中心、共建共享的全民健康新范式。
数字健康共同体需要政府、卫健、医院、公卫、社区、企业、组织等多方共同探索,共同贡献力量建设,共同完善数字健康的体系。面向未来,华为希望携手合作伙伴共同构建开放、安全、合作的数字健康共同体,各尽所能,形成各具特色、各得其所的新时代数字健康模式。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。