上海證券交易所股票代碼：603019
您可以同時關注中科曙光微信公眾號
使用微信掃一掃即可登錄！ 查閱資料更方便、 快捷！
2025年1月
服務熱線：400-810-0466
發布時間: 2021-11-17
據悉，一項基于機器學習的大型死亡率研究，根據超聲心動圖結合電子病歷數據預測患者生存率的準確性可達到96%。
近年來，人工智能的醫學應用激增，如機器人、醫學診斷、疾病預測、圖像分析、藥物活性設計等等。人工智能提高了學習能力，提供了模塊化的決策支持系統，正在改變醫療保健的未來。
近日，曙光中標上海科技大學生物醫學工程學院（BME）深度學習計算模塊項目。基于曙光提供的計算能力支撐，學院重點展開在醫學影像、智能醫學、智慧儀器等方向的研究，致力于產生國際公認的原創成果并形成科創轉化臨床應用。
計算能力是“AI+醫療”研究的重要支撐
人工智能不同于傳統的計算機算法，他能根據積累的經驗進行自我訓練。得益于算法、算力的快速發展和大數據的爆發，人工智能與醫療領域碰撞融合的速度不斷加快，而計算能力支撐則是研究的基礎。
此項目中，學院重點展開在醫學影像、智能醫學、智慧儀器等方向的研究，智慧儀器方向包括可穿戴設備、康復儀器等。醫學影像聚焦于磁共振、分子影像、診療一體化等，旨在直接為臨床一線問題提供應用技術與解決方案。智能醫學包含人工智能與醫學大數據等近年來大熱的研究方向。一套具備人工智能計算能力，同時適應學院研究需要兼具實用性的計算系統尤為重要。
通過結合學院在人工智能與醫學方向的科研特性，曙光設計了一套深度學習計算模塊，其具有超高密度、極致性能、彈性計算、擴展性強等特點，不但能滿足學院針對AI醫療的研究需求，更能夠解決醫療影像、智能醫學研究不斷產生的海量結構化數據與非結構化數據的擴容性問題。
醫療人工智能系統的建立和應用需要處理好三個關鍵要素，數據、平臺計算能力、深度學習算法模型。構建一個強大的計算平臺是人工智能開發成功的根本要素之一。因為深度學習中需要非常巨大數量的數據輸入給訓練模型，訓練模型則需要進行巨大規模的運算，使其更具“智能”。曙光將致力于為更多高校、科研機構、大型醫院提供計算能力支撐，驅動醫療AI從實驗走向應用。
400-810-0466
Support@sugon.com
津公網安備 12011602000521號
注冊 /
