DC娱乐网

【#程序员帮人抢号搞瘫医院挂号系统#获有期徒刑十二个月】#程序员为帮女友挂专家号写抢号软件#女友身体不好，要经常去医院，偏偏热门号源紧张，挂号屡屡落空。为此，程序员男友周铭（化名）编写了一款“抢号软件”，帮其抢号。10月6日，记者从知情律师处获悉，两人因破坏计算机信息系统罪双双获刑。周铭从计算机专业毕业后，在武汉某企业担任程序员。女友王琳（化名）因为身体不好，常年到医院看各种专家门诊。由于看病的人众多，专家号难抢，往往放出号的同时就“秒无”。为帮助女友挂号，周铭很快写出一个抢号小程序。律师透露，所谓抢号小程序，其实就是模仿人手按动鼠标点抢号按键，但人手一秒钟最快也就点六七下，而这个小程序一秒能点1000多下，总能抢到。凭着这个抢号小程序，王琳挂专家号的问题解决了。但由于她总去看病，有熟人向她打听号是怎么挂上的。起初，王琳出于好心，和周铭一商量，免费帮几个熟人抢了专家号。随着求助的人越来越多，他们开始帮人收费“抢号”。之后王琳招揽客源、对接客户，周铭则操作软件抢号、加价卖出。2024年7月5日7时许，周铭与另外三名使用同类抢号软件的人员（均另案处理）各自抢号，导致武汉某医院挂号系统陷入瘫痪，无法正常预约挂号。医院随即报警。同年8月8日，二人被公安机关抓获归案。经侦查，最终认定周铭通过抢号实际获利12900元。案件审理过程中，检察机关提出有期徒刑十三个月的量刑建议，周铭则签署了认罪认罚具结书。2025年7月16日，武汉某区法院经审理认为，周铭、王琳构成破坏计算机信息系统罪。综合全案情节，法院判处周铭有期徒刑十二个月。王琳系从犯，被判处有期徒刑十个月，缓刑一年。律师提醒，患者应当通过正规渠道挂号就诊。抢号软件看似便捷，实则扰乱正常就医秩序，挤占他人的就诊机会。via.长江日报（土木）

真相了，原来马斯克是在开高达……！不应该让医生来研究，应该让工程师来研究。​​​

戚薇好大胆啊，穿了一条3D打印的裙子就出来了，而且还只能靠别人用推车移动她，姐还是太会了！​​​​

忽然发觉，外媒审视中国的视角完全出现了转变！在这一全球上，能让苛刻的外媒放下偏见、真心折服的事情真不多。今年年初，逢中必反的纽约时报，居然出人意料发了篇正面报道，而且是将整版位置留给了一篇文章《在中国，AI正在发现医生可能漏掉的致命肿瘤》。如果把过去十几年全球科技竞争比作一场长跑，那么中国人工智能如今正在进入一个新的赛段。外界关注中国科技，过去更多盯着高铁、制造业、消费电子，关注的是“中国速度”；但到了人工智能时代，一个更加重要的问题出现了：中国能不能把技术真正嵌入社会运行之中，解决普通人的现实问题？医疗AI恰恰成为观察这个变化的窗口。因为医疗领域不像消费市场，不能靠营销制造热度，也不能靠短期投入制造假象。一套人工智能系统能不能获得国际认可，必须经过临床场景验证，必须面对真实患者数据，更需要接受医生群体长期检验。9月24日，《自然·医学》发表中国团队关于DAMOEAGLE模型的研究成果，这项成果的价值并不只是发表在国际期刊上，更重要的是它探索了一条新的医疗筛查路径：利用已经存在的医学影像数据，让人工智能帮助医生提前发现疾病风险。这背后有一个非常现实的问题。中国人口规模巨大，医疗需求复杂，癌症早筛一直面临覆盖难的问题。很多疾病不是治不了，而是发现得太晚。患者没有症状时不会主动检查，而传统筛查方式又存在成本、资源和接受程度上的限制。食管癌就是典型案例。这种疾病早期表现并不明显，很多患者确诊时已经进入中晚期。传统内镜检查准确度高，但面对庞大的潜在人群，很难做到全面普及。如何降低筛查门槛，成为医学界长期探索的问题。而DAMOEAGLE带来的思路，是改变过去“为了筛查专门检查”的模式。很多人曾经因为肺部检查、健康体检或者其他疾病拍过胸部CT，但这些影像过去主要服务于单一目的。人工智能的发展，让同一份医学资料拥有更多价值。一张CT影像，未来可能不仅回答肺部有没有异常，也可能帮助医生寻找其他器官潜在风险。这意味着医疗资源利用方式正在变化。过去，先进医疗能力高度依赖专家经验。一个经验丰富的医生，可以从大量影像细节中发现异常，但人的精力有限，不可能无限处理海量信息。人工智能的作用，就是把这种“大规模筛查能力”加入医疗体系。它不是替代医生，而是在医生面对复杂信息时提供更多辅助。AI负责从大量影像中寻找值得关注的目标，医生负责结合患者情况进行判断，这种人机结合模式正在成为全球医疗科技探索的重要方向。值得注意的是，中国医疗AI的发展，并不是突然出现。过去几年，中国企业、高校、医院围绕人工智能辅助诊疗持续投入。从肺癌筛查，到胃癌、胰腺癌、肠癌、食管癌等领域，中国科研团队不断探索如何利用医学数据提升疾病发现效率。其中一个重要优势，就是中国拥有丰富的临床应用场景。人工智能技术最怕脱离现实。如果没有足够的数据，没有真实医疗需求，再先进的算法也难以发挥作用。而中国庞大的医疗体系，为技术迭代提供了特殊条件。这也是为什么一些国际观察者开始重新调整对中国人工智能发展的判断。过去部分西方舆论习惯把中国科技归纳为“规模优势”，认为中国擅长快速应用，却缺少原创突破。但医疗AI的发展说明，中国正在尝试建立从数据积累、算法研发，到临床验证和产业推广的完整链条。

【一边狂吹测血压测心率，一边小字写着“非医疗设备”，智能手表这场戏还要演多久？】张雪峰跑步猝死的新闻刷屏那天，我正躺沙发上刷手机。说实话，心里咯噔了一下。一不小心也是年上四十的人了，体检报告一年比一年厚，总让人觉得自己是踩着雷区过日子。所以当我看到荣耀那款新手表荣耀手表6Pro的宣传页，心脏确实跳快了一拍——测血压、测心率、测血氧、测压力，还有什么血管健康风险评估。好家伙，这不就是给中年人量身定做的“保命符”吗？然后我翻到了页面最底下那行小字：“本产品非医疗设备，测量数据仅供参考，不构成任何医疗建议。”当时我就愣住了。你前面吹得天花乱坠，什么AI算法、什么医院级精准度、什么全天候健康监测，结果翻到最后来一句“仅供参考”。那这玩意儿到底能信几分？五成？八成？还是说你压根就是拿一堆算法模型在那儿瞎猜？这类智能手表用的传感器，本质上就是个光电体积描记术（PPG）传感器，靠发射绿光穿透皮肤、检测毛细血管里的血液流量变化来推算心率、血氧这些指标。市面上所有的智能手表，原理都一样，区别只在于算法怎么调教。问题是，血压这东西，医学上公认的测量标准是袖带法，也就是加压阻断动脉，听柯氏音。你一个手表，靠光电传感器加个什么“脉搏波传导时间”算法，就敢说自己能测血压了？业内做过不少对比测试，这类手表在静息状态下，数值可能跟真实血压看着差不多，但一旦你运动、情绪波动、甚至只是手臂姿势变了，误差能到±15mmHg以上，这是什么概念？你真实的收缩压如果是135，它可能给你报120，也可能报150——正好卡在高血压诊断线上下。你说是参考，那参考的容错率到底是多少？你怎么保证一个用户测出来150的时候，他手机上不会自动弹个“疑似高血压”的提示？他去医院一查没事，算你产品灵敏；他要真有事，你这句“仅供参考”撇得清关系吗？千万别误会，我并不是说这类手表一无是处。说句公道话，作为日常活动记录、静息心率监控、睡眠质量追踪，它是有价值的。它能帮你发现“最近静息心率比平时高了10下”，提醒你去查查甲状腺功能；它能监测你夜里有没有频繁的血氧下降，让你留意睡眠呼吸暂停的风险。它的价值在于“趋势”，而不在“绝对值”；在于“提醒”，而不在“诊断”。但问题是，荣耀（或者说整个智能穿戴行业）在营销上，恰恰在模糊这个边界。宣传页主视觉放最大的是“测血压”“测血管健康”，健康功能栏一屏放不下，免责声明缩在页面底角，不特意翻根本看不见。这就是典型的“用力过猛”——用焦虑做钩子，拿专业做包装，最后用一行小字把责任摘干净。说白了，这就是商业逻辑驱动的“健康焦虑变现”。他们太明白中年人的软肋在哪了：上有老下有小，体检报告越来越长，猝死新闻越来越多，你对“随时掌握身体状况”这件事的渴望，就是你掏钱的动力。产品到底能做到几分，不重要；让你觉得它能做到，才重要。那这个东西到底还买不买？我的建议是：可以买，但别当它是医疗器械。把它当成一个“生活方式提醒器”，用来记录运动、监控睡眠、观察长期趋势，这没问题。你要是真拿它测出来的血压数值，决定要不要调整降压药，那我不是在吓你，这真会出人命的。回到咱们最早那个问题——它的余量到底有多大？答案是：余量不在于产品，而在于你自己有没有分清“参考”和“诊断”之间的距离。这个距离，荣耀在宣传页上用一行小字带过了，但你自己心里得拎清楚。毕竟，把命交给一块手表，跟把手表当成一个参考工具，是两回事。中年人的健康焦虑，谁都逃不掉。但越焦虑，越得看清楚：有些钱，买的是安全感；有些钱，买的只是个电子玩具。至于荣耀这块表是哪种，等你把页面拉到最底，看到那行小字的时候，心里大概已经有了答案。

戚薇用3D打印了芭莎红毯的水花裙戚薇这次芭莎的幕后真的又好笑又心疼念不仅因为拔牙脸肿，还拿出来了要五个人帮忙才能穿上的水花裙！​​​

戚薇年轻时是真的嫩笑容太有感染力了​戚薇3D打印水花裙​​​

信不信由你，人工智能正在改变这5件民生大事：1、AI医疗加速落地，辅助医生筛查病灶，看病更省心。2、养老机器人逐步普及，监测健康、提醒服药，减轻照护压力。3、AI高阶智驾不断下沉，智能电车不再是有钱人专属。4、AI走进千家万户，语音交互、生活规划，改变日常起居。5、人形机器人持续突破，家务、物品搬运等琐事可以交给机器人。很多人觉得AI离普通人很远，其实它早就藏在我们手机、汽车、家里的智能设备里，而小艺就是最贴近生活的华为智慧助手。依托大模型能力，小艺不只是简单的语音应答，更像一位随叫随到的生活管家。日常在家，喊一声“小艺小艺”，就能查询天气、设置闹钟、播放音乐，还能帮我们写文案、解答各种生活疑问。家里长辈不会操作复杂手机，也可以直接语音问问题、查健康常识，降低智能设备的使用门槛。放到车上，车载小艺的实用性更是拉满。开车时双手不用离开方向盘，语音就能设置导航、调节空调、切换歌曲、接听电话。它支持声纹识别，能分清主驾、副驾的指令，还能根据车内环境自动调整温度与通风。遇到不懂的车辆图标、保养疑问，直接问小艺，它就是专属用车顾问。搭配华为乾崑智驾，小艺和智能驾驶相互配合。长途出行，小艺可以帮规划路线、提醒服务区；堵车的时候，语音就能控制座舱，全程不用手动点屏幕，保障行车安全。AI的价值，不在于多么炫酷的黑科技，而是实实在在简化生活。小艺打通手机、车机、家居多设备，把智能体验融入通勤、居家、出游的每一个场景。不用钻研复杂操作，开口就能下达指令，让科技变得简单又暖心。

AI驶入医疗赛道，医药行业正在迎来全新变革人工智能浪潮席卷各行各业，医疗领域，一场静悄悄的变革正在上演。AI问诊、AI辅助阅片、AI新药研发慢慢落地，科技和医药深度融合，正在重塑整个医药行业。市场上一直存在两种截然不同的看法。一部分投资者十分看好AI医疗，认为AI能够解决医药行业诸多痛点，积极布局；还有一部分人持怀疑态度，医疗行业对安全性、精准度要求严苛，觉得AI仅仅是题材炒作，很难真正落地。两种观点来回博弈，也让AI医疗板块行情反复震荡。核心逻辑其实很简单：AI并不是替代医生治病，而是医疗行业的高效工具。新药研发周期长、烧钱巨大，AI可以快速筛选化合物，大幅缩短研发周期；医学影像阅片任务繁重，AI能够辅助医生快速识别病灶；海量病历资料，依靠医疗大模型高效整理归类。简单来说，AI医疗，就是用技术解决医药行业长久以来的效率难题。整条产业链，已经分化出四条主线。第一，AI药物研发，借助AI做前期化合物筛选，赋能创新药和CXO企业；第二，AI医疗影像与硬件，算法赋能CT、核磁设备，辅助影像诊断；第三，面向普通消费者，家用智能健康设备、线上健康管理平台；第四，医院数字化，院内医疗大模型、医疗信息化软件，助力医院数字化转型。四条主线相互配合，构成AI医疗完整产业版图。回看资本市场，AI医疗的发展之路跌宕起伏。早年赛道概念火爆，资本大量涌入。热潮退去之后，市场慢慢发现技术落地需要漫长周期，只讲故事的企业被资金抛弃，市场回归理性，板块进入长期震荡调整。很多人期待业绩马上兑现，却忽略医疗行业严谨的特性，技术落地只能循序渐进。科技向善，医疗为民。AI为医药打开了新的发展空间，但技术迭代从来不是一蹴而就。它不会一夜爆发，是稳步推进的长期赛道。资本市场充斥题材炒作，但产业发展有自身节奏。我们既要看到AI医疗广阔的成长空间，也要理性看待落地过程中的各类难题，用长线眼光，看待医药行业这场数字化蜕变。⚠️本文仅行业科普交流，不构成投资建议。股市波动有风险，投资决策请务必谨慎。宁德时代市值4个月蒸发7000亿

AI驶入医疗赛道，医药行业正在迎来全新变革人工智能浪潮席卷各行各业，医疗领域，一场静悄悄的变革正在上演。AI问诊、AI辅助阅片、AI新药研发慢慢落地，科技和医药深度融合，正在重塑整个医药行业。市场上一直存在两种截然不同的看法。一部分投资者十分看好AI医疗，认为AI能够解决医药行业诸多痛点，积极布局；还有一部分人持怀疑态度，医疗行业对安全性、精准度要求严苛，觉得AI仅仅是题材炒作，很难真正落地。两种观点来回博弈，也让AI医疗板块行情反复震荡。核心逻辑其实很简单：AI并不是替代医生治病，而是医疗行业的高效工具。新药研发周期长、烧钱巨大，AI可以快速筛选化合物，大幅缩短研发周期；医学影像阅片任务繁重，AI能够辅助医生快速识别病灶；海量病历资料，依靠医疗大模型高效整理归类。简单来说，AI医疗，就是用技术解决医药行业长久以来的效率难题。整条产业链，已经分化出四条主线。第一，AI药物研发，借助AI做前期化合物筛选，赋能创新药和CXO企业；第二，AI医疗影像与硬件，算法赋能CT、核磁设备，辅助影像诊断；第三，面向普通消费者，家用智能健康设备、线上健康管理平台；第四，医院数字化，院内医疗大模型、医疗信息化软件，助力医院数字化转型。四条主线相互配合，构成AI医疗完整产业版图。回看资本市场，AI医疗的发展之路跌宕起伏。早年赛道概念火爆，资本大量涌入。热潮退去之后，市场慢慢发现技术落地需要漫长周期，只讲故事的企业被资金抛弃，市场回归理性，板块进入长期震荡调整。很多人期待业绩马上兑现，却忽略医疗行业严谨的特性，技术落地只能循序渐进。科技向善，医疗为民。AI为医药打开了新的发展空间，但技术迭代从来不是一蹴而就。它不会一夜爆发，是稳步推进的长期赛道。资本市场充斥题材炒作，但产业发展有自身节奏。我们既要看到AI医疗广阔的成长空间，也要理性看待落地过程中的各类难题，用长线眼光，看待医药行业这场数字化蜕变。⚠️本文仅行业科普交流，不构成投资建议。股市波动有风险，投资决策请务必谨慎。

AI驶入医疗赛道，医药行业正在迎来全新变革当人工智能的浪潮席卷各行各业，医疗领域也正在发生一场静悄悄的革命。AI问诊、AI辅助读片、AI新药研发陆续走进大众视野，科技与医药的融合，正在慢慢改写整个行业的游戏规则。但市场之中一直存在一组很有意思的矛盾。一部分投资者对AI医疗满怀期待，觉得人工智能能够一键解决医药行业的所有难题，满怀热情大举进场。另一部分人却保持质疑，认为医疗严谨度要求极高，AI只是炒作题材，很难真正落地。一边是满怀憧憬，一边是全盘否定，两种截然不同的心态，也造成板块行情反反复复，震荡起伏。拨开纷繁复杂的热点消息，它背后的核心逻辑其实并不难读懂。AI并不是直接用来治病，而是充当医疗行业的“效率工具”。新药研发周期漫长、投入巨大，AI可以快速筛选化合物，压缩研发时间；医学影像阅片工作量繁重，AI可以辅助医生筛查病灶；院内海量的病历资料，依靠大模型能够完成整理归纳。说到底，AI医疗的核心，就是用技术手段，解决医药行业长期存在的效率痛点。往产业链深处去延伸，AI医疗已经形成四条清晰的主线。第一就是AI药物研发，把人工智能运用在新药早期筛选，赋能创新药企业和CXO机构；第二是AI影像与医疗硬件，依靠算法赋能CT、核磁设备，帮助医疗机构完成影像辅助诊断；第三块面向大众消费，也就是家用智能设备、线上健康管理平台，把AI健康服务送到普通人身边；最后是医院数字化赛道，院内大模型、医疗信息化软件，助力医疗机构实现数字化升级。四大板块环环相扣，共同搭建起AI医疗完整的产业版图。复盘近几年的资本市场，AI医疗走过了一段跌宕起伏的路程。早些年，赛道概念火热，大量资本争相涌入，行业融资十分火爆。可热度褪去之后，大家慢慢意识到技术落地还需要时间，单纯讲故事的企业慢慢褪去光环，资金回归理性。板块也随之进入长时间震荡调整。很多朋友总希望技术可以立刻兑现业绩，却忽略了医疗行业严谨审慎的特质，技术落地，注定是循序渐进的漫长过程。科技向善，医疗为民。AI给医药行业打开了一扇全新的大门，但是技术的迭代，永远无法一蹴而就。它不会是一夜爆发的神话，而是一步一步稳步前行的长期事业。资本市场会有题材炒作的喧嚣，但是产业发展有着自身客观节奏。我们既要看见AI医疗巨大的想象空间，也必须理性看待落地路上的重重挑战，以长线视角，看待这场医药行业的数字化蜕变。本文仅行业科普交流，不构成投资建议。股市波动有风险，投资决策请务必谨慎。

【哔哩哔哩】完成鸿蒙穿戴版本开发，已上线鸿蒙全智能手表AppGalleryHarmonyOS​​​

才半年就被中国反超！美国吹上天的医疗AI，瞬间不香了。今年3月，斯坦福的模型Merlin登上《自然》，美国媒体一片兴奋，直接给它安了个"CT界的ChatGPT"的名号。当时它能在腹部CT上识别30种影像发现，虽然准确率还没摸到医生平均水平，但在那个时间点，确实算领先。谁能想到，才半年刚过，9月18日，阿里达摩院联合浙大一院的成果就登上了《科学》，一个叫DAMORADAR的模型，直接把比赛终点线往前挪了一大截。先说说Merlin到底是个什么来头。它是个3D视觉语言大模型，训练用了15331个腹部CT、六百多万张图像，配上电子病历里的183万条诊断码和放射科报告。说白了，斯坦福把医院里那些已经沉淀好的片子和文字报告喂给模型，让它自己学。它能做的事挺杂：30种零样本影像分类、692种临床表型预测、6种慢病的5年发病预测、20个器官的三维分割，凑一块儿752个子任务。底子打得不错，但论文自己也承认，在直接诊断这件事上，离资深医生还有距离。再说RADAR。它一上来就没跟你客气，瞄准的是腹部增强CT——这行里公认最难啃的骨头。腹部那地方器官挤成一团，软组织密度又差不多，年轻医生最怕进的就是这个组。RADAR一口气覆盖18个解剖结构，识别146种病症，连恶性肿瘤都包在里面。近四万次真实世界检查测下来，AUC到了0.913，这个数字在放射科语境里，就是"专家级"的意思。更关键的是，这是全球第一个把通用影像AI做到专家水平的。技术上它赢在哪？达摩院的说法叫"器官级细粒度对齐"。以前模型看CT，是把整团三维数据囫囵吞下去，再去对报告文字，信号稀稀拉拉学不准。RADAR反过来，先把CT在肝、胆、胰、脾、胃肠这些器官上拆开，再用Qwen语言模型把放射报告也按器官拆成一段一段，让影像区域和文字描述一对一扣上。这么一拆，原来百万级的个体图文对，变成了千万级的解剖级图文对。模型学的时候，知道自己在看哪个器官、对的是哪句话，还能画出注意力图，标出它觉得可疑的位置，医生回去一核对就行。这事儿不花额外人工标注，全靠医院现成数据。论文发表第二天，代码和权重就按Apache2.0协议开源了。这一点很多人没意识到分量。Apache2.0是最宽松的开源协议之一，商业医院拿去用、改、二次开发，都不用付授权费。等于把一个专家级AI的底座，直接扔给了全世界。这就看出来，医疗AI的赛场规则变了。前几年大家比的是"模型大不大、论文发在哪、刷榜分数高不高"。Merlin其实就是典型的"基座模型"思路，铺任务、铺数据，证明这条路走得通。RADAR不一样，它一落地就直奔临床诊断，而且是最难的腹部增强CT，直接对专家水平。这说明竞争从"能不能学会"变成了"能不能真看病"，门槛一下子拉高了。中国团队这次赢的不是算法玄学，是产学研贴得紧。达摩院出算法和工程能力，浙大一院出临床场景、真实病例和专家标注经验。这种"大厂研究院加顶级三甲"的组合，其实美国也有，斯坦福自己就绑着医院。差别在于，RADAR没有停在发论文这一步，而是把开源、可解释、真实世界验证这套闭环一次做完了。对基层医院来说，一个能出报告、能圈可疑区域、专家复核就能用的模型，比一个发在Nature上的基座有意义得多。别把这事儿简单读成"机器要抢医生饭碗"。放射科医生看完片子平均要十几分钟，基层医院缺的恰恰是能一眼看出问题的人。RADAR这种模型，更像是给县医院、社区医院配了一个不知疲倦的初筛助手，把最可疑的片子先挑出来，让上级医生远程复核。之前院士在浙大一院看类似系统时就说过，希望这套东西能推广到山区海岛。这才是开源真正的价值——不是让AI取代谁，是把专家的眼睛复制一万份。最后补一句，从3月到9月，半年刚出头，顶刊从Nature换到Science，识别数从30种影像发现跳到146种病症，准确率从"还没到医生水平"跳到"专家级"。这种迭代速度，放在任何一个行业都够吓人的。医疗AI这盘棋，接下来怎么下，值得盯着看。

PTFE从传统高频领域向高速互联材料渗透。英伟达支持澳大利亚2027年建设2吉瓦AI基础设施，推动PTFE材料向高速互联渗透，Rubin平台或成核心应用。相关公司昊华科技、联瑞新材受益。

Forus获1.5亿美元C轮融资：AI代理能否终结“处方到治疗”的漫长等待？​

iPhoneDuo虽然用这个纳米玻璃没有反光但熄屏下这个折痕还是挺明显的呀​​​