醫療電子最新文章 复旦大学神经调控与脑机接口研究中心成立 院士领衔！复旦大学神经调控与脑机接口研究中心成立 發表于：2024/6/17 达芬奇手术机器人迈向国产化 达芬奇手术机器人迈向国产化 發表于：2024/6/14 十余款国产手术机器人已获批上市 十余款国产手术机器人已获批上市，百亿赛道如何突围？ 發表于：2024/6/13 华为联合中山眼科发布ChatZOC眼科大模型 6月6日消息，今天是第29个全国爱眼日，中山大学中山眼科中心与华为公司携手合作，共同发布了一款基于人工智能技术研究构建的眼科大模型ChatZOC。 该模型由中山眼科于2023年3月开始领头研发，并在同年12月与华为启动了联合研发，共同攻克技术难题。 發表于：2024/6/7 应“声”而至，安森美助力重塑助听器市场格局 随着美国OCT助听器法案的发起及实施，OCT助听器及辅听市场持续升温，吸引众多新玩家入场，助听器市场快速发展，市场格局也迎来变机。 發表于：2024/6/6 实战分享：肿瘤电场治疗硬件设计方案 本次技术型授权代理商Excelpoint世健邀请了来自专业医疗领域企业的工程师黄工跟大家分享实战案例。该公司是世健公司多年的客户，主要从事医疗器械的研发、生产和销售，而黄工有着资深的行业经验。本文中提到的肿瘤电场治疗仪主要由生理信号检测系统、电场刺激发放系统、数据处理分析系统组成。该治疗仪具有高精度、高准确度等优点，黄工及团队在设计中运用到了多个ADI产品。该仪器电场刺激发放系统硬件设计方案如图一所示。 發表于：2024/6/5 我国科学家研制出超真实电子皮肤 6 月 4 日消息，据清华大学官网消息，清华大学航天航空学院、柔性电子技术实验室张一慧教授课题组在国际上首次研制出具有仿生三维架构的新型电子皮肤系统。 發表于：2024/6/5 阿里云开源首个统一生物语言大模型LucaOne 阿里云开源收个统一生物语言大模型LucaOne 發表于：2024/5/30 埃赛力达推出适用于生命科学和计量应用的pco.flim X相机系统 以市场为导向的创新光电解决方案工业技术领导者——埃赛力达科技有限公司（Excelitas Technologies® Corp.）近期宣布推出 pco.flim X相机系统。作为pco.flim系列的新成员，简单易用的pco.flim X频域（FD）荧光寿命显微成像 （FLIM） 相机系统简化了设置，具有最高分辨率和最快的帧速率，可在生命科学和计量应用中获得最高质量的荧光寿命图像 。 發表于：2024/5/29 全球首款生物处理器开放远程访问服务 5月27日消息，据媒体报道，瑞士初创公司FinalSpark发布了全球首款生物处理器，并开放了远程访问服务。 这一突破性技术利用人脑类器官中的生物神经元进行驱动，其功耗比传统数字处理器低一百万倍，为计算领域带来了革命性的变革。 發表于：2024/5/28 国内首个面向脑机接口产业发展的专项基金发布 国内首个面向脑机接口产业发展的专项基金发布，目标规模 10 亿元 發表于：2024/5/21 谷歌DeepMind推出新一代药物研发AI模型AlphaFold 3 里程碑式突破！谷歌DeepMind推出新一代药物研发AI模型AlphaFold 3 發表于：2024/5/9 一种基于知识蒸馏的量化卷积神经网络FPGA部署 设计了一种针对心电数据实时分类的量化神经网络，将权重量化为两位整数，运用知识蒸馏的方法使性能达到了期望的效果，并部署于FPGA开发板上。知识蒸馏后的量化网络比全精度网络的分类准确率提升了9%。在FPGA开发板上的运行结果符合预期，达到了需要的性能，可以对左束支传导阻滞（L）、右束支传导阻滞（R）、正常心拍（N）和室性早搏综合征（V）四种心电信号进行分类，相比于其他量化方式对存储参数的需求更小，资源使用更少，相比于CPU速度提升了1.5倍，运行时间达到实时性要求，适合于部署在小型、轻量化的资源有限的可穿戴设备上。 發表于：2024/4/29 融合蛋白质语言模型与深度神经网络的植物蛋白质相互作用预测研究 预测植物中的蛋白质-蛋白质相互作用（PPI）具有重要的生物学意义。同时采用了4种编码方法及深度神经网络构建了蛋白质相互作用预测模型。结果表明，提出的融合蛋白质语言模型Ankh与深度神经网络的方法构建的PPI预测模型性能在3种植物数据集上均获得了最优的AUPR和AUC值，Sen及MCC值也均优于其他4种蛋白质相互作用预测模型。当模型在水稻、大豆的植物PPI数据集上进行测试时，所提出的模型AUPR值分别为0.802 5、0.730 1，AUC值分别为0.956 2、0.950 7。这些优异的结果表明，融合蛋白质语言模型Ankh的PPI模型可以作为植物蛋白质相互作用预测的一个有前途的工具。 發表于：2024/4/29 混合CNN-SVM的心音信号分类算法的研究 针对当前心音信号识别算法检测精度不佳问题，提出了一种混合卷积神经网络-支持向量机模型 （CNN-SVM） 的心音信号分类方法。通过PASCAL挑战实验数据，整理出正常与不正常两类心音信号数据库，通过预处理滤波及MFCC、一二阶差分特征提取、PCA降维，输入CNN-SVM模型进行训练。并从准确率、召回率、特异性、精确率和F分数5个方面进行性能评估。为了验证此算法的有效性，将混合CNN-SVM模型与单一SVM、CNN模型分别进行了对比。实验结果表明，该方法能够以较高识别率将两种心音信号区分开，其平均识别准确率接近于99%，相较于单一CNN方法提高了2.48%，同样高于单一SVM算法。 發表于：2024/4/29 <…6789101112131415…>
