首页 > 传媒 > 关键词  > 数字中国建设最新资讯  > 正文

海尔生物医疗旗下金卫信:疫苗管理数字方案入选先锋应用场景解决方案

2023-06-09 16:43 · 稿源: 站长之家用户

  为落实《数字中国建设整体布局规划》《深圳市极速先锋城市建设行动计划》,近日,深圳市工业和信息化局发布《市工业和信息化局关于印发推广第 一先锋应用优 秀案例和解决方案的通知》,公布了一批具有借鉴意义的先锋应用优 秀案例和解决方案。海尔生物医疗旗下深圳市金卫信信息技术有限公司(以下简称金卫信)创新的“疫苗接种全流程智慧管理数字化解决方案”,在推动免疫规划信息化创新发展、助力数字中国建设方面,产生了良好的社会效益和行业示范作用,成功入选深圳市第 一批先锋应用场景解决方案。

  引领信息化探索,健全免疫规划服务体系

  《疫苗管理法》的出台加强了对疫苗追溯的监管力度,免疫规划信息化管理则是提高免疫规划工作效率、服务质量,保障疫苗安全的重要一环。近年来,我国免疫规划信息化建设持续推进,迫切需要打通不同系统间数据,使计免系统有效实现机构间共享,做到家长、医生、疾控等攸关方信息对称。

  作为免疫规划信息化行业龙头,金卫信专注于国内各级疾病预防控制中心和卫生行政机构信息化建设 20 余年。目前公司业务覆盖全国 10 余个省(直辖市、自治区),在免疫规划信息化行业中具有较高的技术和规模领先优势。

  聚焦免疫规划信息化建设进程中的痛点,金卫信创新打造了疫苗接种全流程智慧管理数字化解决方案,助力疫苗接种各环节数据做到完整性、准确性、连续性。一方面,聚焦疫苗管理的数字化转型提升,金卫信综合运用数字化、信息化技术,构建覆盖省、市、县区、乡各级接种点、疾病预防控制机构和卫生行政部门的免疫规划信息管理中心平台,解决了流动人口的免疫接种和管理难题,实现免疫规划信息全方位、一体化管理。另一方面,为保障疫苗接种安全管理,金卫信开发了可连接省市县级平台,实现跨区接种信息的交换、查询统计和自动预约功能的预防接种门诊数字化管理系统,实现登记、收费、接种等全方位网络化管理的预防接种客户端,以及门诊自助查验查询系统等,优化门诊服务流程和效率,提升门诊管理水平。

  同时,金卫信还采用大数据及移动物联技术,建立可视化疫苗接种大数据分析决策系统,围绕疫苗接种各环节进行升级建设,打通了接种数据、疫苗数据和冷链数据等相关环节,用大数据支撑战略决策的智慧化,用一体化集成支撑流程管控的全程化,并为医疗机构管理提供统计分析、决策支持的相关依据。

  海尔生物医疗数字疫苗全场景解决方案

  构建数字疫苗全景生态,升级百姓接种体验

  随着人民群众健康需求的不断提升,对预防接种服务有了更多要求。加速物联网、人工智能、5G等新一代信息技术与免疫规划服务场景的深度融合,打造覆盖预防接种全流程的一体化数智方案,以进一步提升预防接种服务的安全性、便利性、可及性成为必然。

  融合金卫信免疫规划信息化领域技术优势,海尔生物医疗围绕国家政策需要及百姓接种体验升级,沿着“设备+平台+服务”模式,加速构建起从厂家运输到疾控冷库,到接种门诊、预约接种,再到异常反应监测等全链条的数字疫苗全景生态。在该模式下,海尔生物医疗构建起城市免疫规划智慧AI大脑,并打造了“社区+移动”疫苗接种全场景方案,实现城市疫苗管理模式数字化重构和升级。目前,此方案已助力深圳、青岛、舟山率先建成了“一屏统管”的智慧疫苗城市网,让接种服务实现全流程可追溯以及数据的互联互通,实现疫苗安全无隐患、数据互联无断点、用户体验无缝隙、政府监管无盲区,为群众生命健康筑牢安全免疫屏障。智慧疫苗社区接种场景已在全国 31 个省市 20000 多家接种点落地应用。

  与此同时,致力于为公众提供安全、优质、便捷可及的预防接种服务,海尔生物医疗持续进行数智方案探索升级。其中,将自动化、物联网、AI等数智技术融入预防接种场景,海尔生物医疗全国首创的AI+数智化预防接种门诊,实现了存储接种一体化、全程温度无断点、自动发苗零差错、盘点/入库无人化,让疫苗接种更安全、更高效,不断提升群众接种体验感、获得感和幸福感。

  海尔生物医疗打造的全国首家AI+数智化预防接种门诊落地上海

  随着数字中国建设驶入快车道,促进数字公共服务普惠化,发展数字健康已成为企业创新发力方向。未来,金卫信将依托海尔生物医疗优势资源,继续发挥免疫规划信息化行业龙头引领作用,加速智慧公卫领域新技术、新方案创新拓展,推动我国免疫规划信息化高质量发展,为现代化公共卫生服务体系及数字社会建设注入科技动能,让生命更美好!

推广

特别声明:以上内容(如有图片或视频亦包括在内)均为站长传媒平台用户上传并发布,本平台仅提供信息存储服务,对本页面内容所引致的错误、不确或遗漏,概不负任何法律责任,相关信息仅供参考。站长之家将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。任何单位或个人认为本页面内容可能涉嫌侵犯其知识产权或存在不实内容时,可及时向站长之家提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明(点击查看反馈联系地址)。本网站在收到上述法律文件后,将会依法依规核实信息,沟通删除相关内容或断开相关链接。

  • 相关推荐
  • 大家在看
  • Nemotron-4-340B-Reward:多维奖励模型,助力构建自定义大型语言模型。

    Nemotron-4-340B-Reward是由NVIDIA开发的多维奖励模型,用于合成数据生成管道,帮助研究人员和开发者构建自己的大型语言模型(LLMs)。该模型由Nemotron-4-340B-Base模型和一个线性层组成,能够将响应末尾的标记转换为五个标量值,对应于HelpSteer2属性。它支持最多4096个标记的上下文长度,并能够对每个助手轮次的五个属性进行评分。

  • Nemotron-4-340B-Instruct:NVIDIA的高级语言模型,优化于英文对话场景。

    Nemotron-4-340B-Instruct是由NVIDIA开发的大型语言模型(LLM),专为英文单轮和多轮对话场景优化。该模型支持4096个token的上下文长度,经过监督式微调(SFT)、直接偏好优化(DPO)和奖励感知偏好优化(RPO)等额外的对齐步骤。模型在约20K人工标注数据的基础上,通过合成数据生成管道合成了超过98%的用于监督微调和偏好微调的数据。这使得模型在人类对话偏好、数学推理、编码和指令遵循方面表现良好,并且能够为多种用例生成高质量的合成数据。

  • BookSlice:让阅读更有趣,用游戏化的方式增加阅读量。

    BookSlice是一款面向忙碌人群的游戏化阅读应用,通过心理学原理帮助用户建立阅读习惯,并通过设置每日挑战来维持阅读连续性。它利用实施意图、习惯叠加等心理工具,使阅读变得习惯性和上瘾。此外,BookSlice还提供AI问答功能,帮助用户在阅读过程中获得上下文答案。

  • agentUniverse:基于大型语言模型的多智能体应用开发框架

    agentUniverse 是一个基于大型语言模型的多智能体应用开发框架,提供了构建单一智能体和多智能体协作机制的所有必需组件。通过模式工厂,允许开发者构建和自定义多智能体协作模式,轻松构建多智能体应用,并分享不同技术与业务领域的模式实践。

  • HunyuanDiT Distillation Acceleration:高性能图像生成模型的蒸馏加速版本

    HunyuanDiT Distillation Acceleration 是腾讯 Hunyuan 团队基于 HunyuanDiT 模型开发的蒸馏加速版本。通过渐进式蒸馏方法,在不降低性能的情况下,实现了推理速度的两倍提升。该模型支持多种GPU和推理模式,能够显著减少时间消耗,提高图像生成效率。

  • WonderWorld:从单张图片生成交互式3D场景

    WonderWorld是一个创新的3D场景扩展框架,允许用户基于单张输入图片和用户指定的文本探索和塑造虚拟环境。它通过快速高斯体素和引导扩散的深度估计方法,显著减少了计算时间,生成几何一致的扩展,使3D场景的生成时间少于10秒,支持实时用户交互和探索。这为虚拟现实、游戏和创意设计等领域提供了快速生成和导航沉浸式虚拟世界的可能性。

  • ChatTTS_Speaker:基于ERes2NetV2模型的音色稳定性评分与音色打标。

    ChatTTS_Speaker是一个基于ERes2NetV2说话人识别模型的实验性项目,旨在对音色进行稳定性评分和音色打标,帮助用户选择稳定且符合需求的音色。项目已开源,支持在线试听和下载音色样本。

  • fastc:轻量级文本分类工具,使用大型语言模型嵌入。

    fastc是一个基于大型语言模型嵌入的简单且轻量级的文本分类工具。它专注于CPU执行,使用高效的模型如deepset/tinyroberta-6l-768d生成嵌入。通过余弦相似度分类代替微调,实现文本分类。它还可以在不增加额外开销的情况下,使用相同的模型运行多个分类器。

  • MeshAnything:3D资产的自动生成工具

    MeshAnything是一个利用自回归变换器进行艺术家级网格生成的模型,它可以将任何3D表示形式的资产转换为艺术家创建的网格(AMs),这些网格可以无缝应用于3D行业。它通过较少的面数生成网格,显著提高了存储、渲染和模拟效率,同时实现了与先前方法相当的精度。

  • HunyuanDiT-v1.1:多分辨率扩散变换器,支持中英文理解

    HunyuanDiT-v1.1是由腾讯Hunyuan团队开发的一款多分辨率扩散变换模型,它具备精细的中英文理解能力。该模型通过精心设计的变换器结构、文本编码器和位置编码,结合从头开始构建的完整数据管道,实现数据的迭代优化。HunyuanDiT-v1.1能够执行多轮多模态对话,根据上下文生成和细化图像。经过50多名专业人类评估员的全面评估,HunyuanDiT-v1.1在中文到图像生成方面与其他开源模型相比,达到了新的最先进水平。

  • UniAnimate:高效生成一致性人物视频动画的模型

    UniAnimate是一个用于人物图像动画的统一视频扩散模型框架。它通过将参考图像、姿势指导和噪声视频映射到一个共同的特征空间,以减少优化难度并确保时间上的连贯性。UniAnimate能够处理长序列,支持随机噪声输入和首帧条件输入,显著提高了生成长期视频的能力。此外,它还探索了基于状态空间模型的替代时间建模架构,以替代原始的计算密集型时间Transformer。UniAnimate在定量和定性评估中都取得了优于现有最先进技术的合成结果,并且能够通过迭代使用首帧条件策略生成高度一致的一分钟视频。

  • LVBench:长视频理解基准测试

    LVBench是一个专门设计用于长视频理解的基准测试,旨在推动多模态大型语言模型在理解数小时长视频方面的能力,这对于长期决策制定、深入电影评论和讨论、现场体育解说等实际应用至关重要。

  • Mo:通过卡片式学习,轻松掌握AI科技知识。

    Mo是一款结合超现实主义艺术和堂吉诃德理想主义精神的AI科技学习APP。它通过卡片形式,以图文、动画、视频、语音等多样化内容,使AI和科技知识的学习变得生动有趣。Mo不仅覆盖了AI的基础知识,还包含了元宇宙、大数据、大模型等前沿技术,适合各种背景的学习者,旨在打造一个个性化的学习体验。

  • 开搜AI搜索:面向大众的AI问答搜索引擎

    开搜AI问答搜索引擎是一款面向大众的、直达答案的AI问答搜索引擎,它能够帮助用户从海量的文献资料中筛选出有用的信息,提供直接、精准的答案,并且能够自动总结重点、生成大纲、思维导图并下载。

  • AI Math Notes:一个交互式绘图应用,用于数学方程的绘制和计算。

    AI Math Notes 是一个开源的交互式绘图应用程序,允许用户在画布上绘制数学方程。应用程序利用多模态大型语言模型(LLM)计算并显示结果。该应用程序使用Python开发,利用Tkinter库创建图形用户界面,使用PIL进行图像处理。灵感来源于Apple在2024年全球开发者大会(WWDC)上展示的'Math Notes'。

  • VideoTetris:文本到视频生成的创新框架

    VideoTetris是一个新颖的框架,它实现了文本到视频的生成,特别适用于处理包含多个对象或对象数量动态变化的复杂视频生成场景。该框架通过空间时间组合扩散技术,精确地遵循复杂的文本语义,并通过操作和组合去噪网络的空间和时间注意力图来实现。此外,它还引入了一种新的参考帧注意力机制,以提高自回归视频生成的一致性。VideoTetris在组合文本到视频生成方面取得了令人印象深刻的定性和定量结果。

  • Visual Sketchpad:多模态语言模型的视觉推理工具

    Visual Sketchpad 是一种为多模态大型语言模型(LLMs)提供视觉草图板和绘图工具的框架。它允许模型在进行规划和推理时,根据自己绘制的视觉工件进行操作。与以往使用文本作为推理步骤的方法不同,Visual Sketchpad 使模型能够使用线条、框、标记等更接近人类绘图方式的元素进行绘图,从而更好地促进推理。此外,它还可以在绘图过程中使用专家视觉模型,例如使用目标检测模型绘制边界框,或使用分割模型绘制掩码,以进一步提高视觉感知和推理能力。

  • GoMate:基于RAG框架的可靠输入和可信输出系统

    GoMate是一个基于Retrieval-Augmented Generation (RAG)框架的模型,专注于提供可靠输入和可信输出。它通过结合检索和生成技术,提高信息检索和文本生成的准确性和可靠性。GoMate适用于需要高效、准确信息处理的领域,如自然语言处理、知识问答等。

  • SD3-Controlnet-Canny:一种用于生成图像的深度学习模型。

    SD3-Controlnet-Canny 是一种基于深度学习的图像生成模型,它能够根据用户提供的文本提示生成具有特定风格的图像。该模型利用控制网络技术,可以更精确地控制生成图像的细节和风格,从而提高图像生成的质量和多样性。

  • Tencent EMMA:多模态文本到图像生成模型

    EMMA是一个基于最前沿的文本到图像扩散模型ELLA构建的新型图像生成模型,能够接受多模态提示,通过创新的多模态特征连接器设计,有效整合文本和补充模态信息。该模型通过冻结原始T2I扩散模型的所有参数,并仅调整一些额外层,揭示了预训练的T2I扩散模型可以秘密接受多模态提示的有趣特性。EMMA易于适应不同的现有框架,是生成个性化和上下文感知图像甚至视频的灵活有效工具。

今日大家都在搜的词:

热文

  • 3 天
  • 7天