微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 中国联通实现首次基于5G的心脏介入手术跨国直播

中国联通实现首次基于5G的心脏介入手术跨国直播

2019-04-06 22:01
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2019-04-06 22:01 科技行者

4月5日,第4届国际心脏病学会年会在巴基斯坦拉合尔举行,北京阜外医院专家吴永健教授及其团队,受邀在合作医院——青岛阜外医院成功进行了心脏介入手术,并通过中国联通5G网络进行了手术直播。这是中国首次向“一带一路”国家现场直播心脏介入手术。

中国联通实现首次基于5G的心脏介入手术跨国直播

值得注意的是,与传统手术直播相比,本次跨国手术直播最大的优势在于引入了5G移动通信技术,这是我国首次通过5G应用创新助力“一带一路”的建设,也是在“5G+医疗”领域深度融合的完美实践,将有助于推动医学技术的发展以及国际间学术交流的深入。

中国联通实现首次基于5G的心脏介入手术跨国直播

5G的增强带宽(eMBB)特征,在高效保障手术室高清直播画面回传的同时,还兼备了传输医学设备生理指标检测信号的合路传输能力。借助中国联通5G网络传输,海外的医疗工作者在巴基斯坦拉合尔的国际医学学术会议现场,通过大屏幕实时观看了青岛阜外医院进行的心血管手术,直播画面清晰稳定,流畅无卡顿,与会的医疗专家对于直播效果赞不绝口,并与国内手术现场多位专家进行了双向互动研讨。

本次手术直播的技术方案由中国联通精心设计完成,针对医院手术室的无线信号覆盖的特征,通过部署5G数字化室分系统,打造面向智慧医院的3/4/5G共模的网络,单用户速率可超1Gbps以上。本次5G网络与手术直播平台的打通互联,是5G数字化室分实现的首个行业应用部署,是对5G时代面向智慧医院场景下网络覆盖方案的全新探索,为未来智慧医院的构想提供可靠的技术保障。

中国联通积极推进面向5G时代的行业应用创新,在医疗健康、工业制造、交通、安防、教育、能源等多个垂直行业领域积极探索,发挥联通网络优势,深入融合行业特性。本次基于5G的跨国手术直播的成功,得益于中国联通在5G应用的整体布局,也是中国联通又一次创新方案的落地实践。

4G改变生活,5G改变社会。中国联通充分利用5G所具有的高速率、低时延、海量链接等性能,加速“互联网+医疗健康”产业发展,缓解我国医疗资源发展不充分不平衡等难题,奋力开创“健康中国2030”建设新局面。中国联通将与医疗机构及各路合作伙伴一道,促进5G全面融入到医疗行业,为医护人员、百姓生活以及和谐社会带来更大的价值,用5G联通健康。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 奖励设计:让AI学会智能使用工具的关键
    2025-04-23 17:39

    奖励设计:让AI学会智能使用工具的关键

    想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。

  • ToolRL:奖励设计是工具学习所需的全部
    2025-04-23 17:34

    ToolRL:奖励设计是工具学习所需的全部

    想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。

  • X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御
    2025-04-23 14:08

    X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御

    想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。

  • "思考操纵":用外部思考让大型推理模型更高效
    2025-04-22 16:43

    "思考操纵":用外部思考让大型推理模型更高效

    想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-