点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
多地发挥各基层医疗卫生机构作用 保障偏远山区群众就医需求******
央视网消息：春节临近，随着人员流动的不断增多，给农村地区疫情防控带来挑战。这两天，浙江、陕西、河南多地发挥各基层医疗卫生机构作用，推动医疗资源下沉进农村、进社区，保障群众生命安全和身体健康。
这两天，浙江衢州开化县的流动巡回诊疗车成为了流动“发热诊室”穿梭在大山里，为山区群众提供慢性病医疗、发热症状诊疗及配药服务。在石门村，村民们正在接受医生看病、检查、配药等一站式医疗卫生服务。
对于行动不便的村民，治疗小分队提供上门送医送药。目前，开化全县四辆医疗巡回车发车频率从原来的每周三次调整为每天一次，有效缓解了山区群众看病难的问题。
连日来，陕西延安延川县统筹资源，调配医疗药品物资，出动13辆“流动医院”车，由家庭医生签约服务团队和各镇街村医为基层群众送医送药，打通农村医疗卫生服务“最后一公里”。
河南鹤壁充分发挥各基层医疗卫生机构的作用，将有基础疾病的老年人、孕产妇、孤寡老人等纳入重点防护对象，发动全市380支家庭签约医生队伍，积极开展下沉入户走访巡诊。不久前，鹤壁市石林镇卫生院医师苏海风就和村医一起，来到中石林村李春云家，为她进行了一系列细致的检查服务。
提速近10倍！基于深度学习的全基因组选择新方法来了****** 近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。 全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。 统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。 相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。 该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。 与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。 该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。 学术支持 中国农业科学院作物科学研究所 记者 宋雅娟
（文图：赵筱尘 巫邓炎） [责编：天天中] 阅读剩余全文（）  视觉焦点
凤凰彩票地图 |
)