Hệ thống vật lý trị liệu thích ứng sử dụng generative AI để học từ các chuyên gia vật lý trị liệu và cung cấp hỗ trợ cá nhân hóa. Công nghệ này phân tích dữ liệu chuyển động của bệnh nhân đột quỵ để điều chỉnh bài tập theo thời gian thực. Bằng cách kết hợp deep learning và computer vision, hệ thống đạt độ chính xác 92% trong việc phát hiện sai tư thế. Đáng chú ý là hệ thống giảm 40% thời gian điều trị so với phương pháp truyền thống nhờ tối ưu hóa lộ trình cá nhân. Lập trình viên nên tìm hiểu thêm về cách hệ thống kết hợp reinforcement learning để tự điều chỉnh độ khó bài tập.
AI summaries can be wrong. Read the original before relying on anything important.
Why read it: Bài viết này giúp lập trình viên hiểu cách áp dụng generative AI trong phát triển hệ thống trị liệu cá nhân hóa cho bệnh nhân đột quỵ.
Answer 3 short questions to earn reward points for this article. Only do it if you want the points.
3 questions · under a minute · optional
Source: https://www.technologyreview.com/2026/10/20/1145282/robotic-therapy-for-stroke-patients. 8 Sync News only summarizes and links out; content copyright belongs to the authors and original sources.
Read the news here, practice coding, follow structured courses and train for IELTS on our sibling products — all connected through one 8 Sync account.
The ecosystem home: product overviews, blog and full pricing.
ExploreLearn along a clear roadmap: videos, auto-graded quizzes, certificates and mentors who ship for a living.
View the roadmap1,000 DSA problems in Vietnamese, auto-graded across 7 languages — many FREE, right in your browser.
Practice for freeAI grading for all four IELTS skills with detailed rubric feedback.
Try it freeA 22 MB AI IDE for Vietnamese devs.
Download freeOrganizational memory for AI agents.
ExploreAI that staffs your Fanpage and qualifies leads for you.
Try itA factory-scale robot in Massachusetts that builds circuit boards on demand, in half the time of a typical Shenzhen quick-turn shop.
Vital Skills là thư viện kỹ năng do chuyên gia ngành của Databricks xây dựng, tập trung vào phát triển phân tích và khoa học học với Genie Code. Quá trình phát triển và đánh giá kỹ năng này đã được thực hiện kỹ lưỡng để đảm bảo tính ứng dụng thực tế. Thư viện này chứa các kỹ năng cụ thể giúp xử lý dữ liệu y tế và khoa học sinh học một cách hiệu quả. Khách hàng có thể dễ dàng tìm kiếm và sử dụng các kỹ năng này trong Genie Code để tăng năng suất làm việc. Đây là công cụ hữu ích cho các lập trình viên muốn kết hợp kỹ năng công nghệ với lĩnh vực y tế và khoa học sinh học.
Bài viết này giúp lập trình viên nắm cách tích hợp kỹ năng y tế và khoa học sinh học vào Genie Code để phát triển các giải pháp phân tích khoa học hiệu quả hơn.
Trong lĩnh vực healthcare app design, việc tăng patient engagement là thách thức lớn khi chỉ 33% người dùng tiếp tục sử dụng app sau 3 ngày đầu. Các UX patterns như personalized dashboard và progress tracking giải quyết vấn đề này bằng cách cung cấp feedback tức thời và cảm giác kiểm soát, giúp tăng tỷ lệ giữ chân người dùng lên đến 58%. Hệ quả là bệnh nhân tuân thủ phác đồ điều trị tốt hơn, cải thiện kết quả sức khỏe như giảm 40% tỷ lệ tái nhập viện. Điều đáng học là các UX patterns này không chỉ là giải pháp tạm thời mà tạo ra hệ sinh thái tech-help giúp bệnh nhân chủ động quản lý sức khỏe dài hạn.
Bài viết này cung cấp 5 mẫu UX giúp tăng cường sự tương tác của bệnh nhân khi thiết kế ứng dụng y tế.
Colorfigures là một AI skill có khả năng tạo ra hình ảnh 3D isometric của các đồ vật hàng ngày với nét v tay (hand-inked) tương tự truyện tranh. Công nghệ này sử dụng machine learning để phân tích mô tả và biến đổi thành hình ảnh 3D chi tiết với các nút bấm có thể tương tác được. Điểm đặc biệt là người dùng có thể xoay 360 độ sản phẩm để xem cấu trúc bên trong, điều mà các công nghệ 3D truyền thống khó thực hiện. Colorfigures mở ra hướng mới cho việc minh họa kỹ thuật và giáo dục tương tác, có thể ứng dụng trong lĩnh vực sản phẩm và thiết kế.
Colorfigures giúp lập trình viên khám phá ứng dụng AI trong thiết kế đồ họa tương tác và tạo trải nghiệm đồ họa 3D công nghệ cao.
Một lập trình viên tên [worked in theory] đang phát triển trực thăng RC không có swashplate để giảm trọng lượng và độ phức tạp. Thiết kế linkage-less ban đầu thất bại do ma sát ở bản lề và bánh xe ở tốc độ cao, nên chuyển sang thiết kế under-actuated với bản lề nghiêng sử dụng quán tính thay đổi góc cánh quạt. Kiểm thử hai phiên bản cho thấy bản lẻ chung cho cả hai rotors có độ ma sát thấp hơn, cảm giác phản hồi tốt hơn và đáp ứng điều khiển tuyến tính hơn so với mỗi rotor có một bản lẻ riêng. Anh ấy sử dụng phương pháp 3D in phôi cánh phẳng và thermoforming với khuôn in, sau đó thêm trọng lượng vào cánh để kéo chúng trở lại góc tiêu chuẩn và giảm rung động.
Bài viết này giúp bạn hiểu cách giảm phức tạp và trọng lượng trong thiết kế máy bay trực thăng RC thông qua thiết kế trục trục quay không truyền động.
Trong nghiên cứu so sánh khả năng chẩn đoán ung thư da, GPT-6 Astra và Claude Fable 5.1 cho độ chính xác thấp hơn mong đợi. So sánh này được thực hiện bởi một bác sĩ da liễu với mô hình CNN 10 năm tuổi. Kết quả bất ngờ khi mô hình CNN cũ lại vượt trội hơn các LLM tiên tiến hiện nay. Phát hiện này cho thấy rằng trong lĩnh vực y tế đặc thù, các mô hình chuyên dụng có thể hiệu quả hơn các LLM tổng quát. Bài viết nhắc nhở chúng ta rằng sự tiến bộ công nghệ không đồng đều và giá trị thực tế của mô hình AI phụ thuộc vào domain cụ thể.
Một mô hình CNN 10 năm tuổi vượt trội hơn các mô hình ngôn ngữ lớn tiên tiến trong chẩn đoán ung thư da, bất chấp kỳ vọng ban đầu.
Tác giả tự triển khai các AI model cho nghiên cứu, viết code và tạo ảnh chỉ với GPU đã sở hữu, với chi phí duy nhất là 20 USD đóng vào tài khoản tiết kiệm. Các dự án sử dụng công nghệ như Stable Diffusion và LLaMA giúp tối ưu hóa tài nguyên phần cứng hiện có. Phương pháp này chứng minh rằng việc tự host AI model không tốn kém như nhiều người nghĩ, đặc biệt với card GPU có sẵn. Các lập trình viên có thể học hỏi cách tận dụng tối đa công nghệ open-source và optimize infrastructure để giảm chi phí đáng kể.
Bài viết tiết lộ cách tận dụng GPU hiện có để tự host mô hình AI với chi phí chỉ 20 đô la.
OOMWOO là robot hút bụi mã nguồn mở hoàn toàn, hoạt động không phụ thuộc vào dịch vụ đám mây nhờ Raspberry Pi chạy ROS 2, sử dụng lidar 2D giá rẻ để lập bản đồ phòng và tích hợp với Home Assistant. Phần cứng chủ yếu cần in 3D, trong khi phần mềm đã tương đối hoàn thiện và dự án đang phát triển tích cực trên GitHub.
Là người phát triển robot hoặc IoT, bạn nên đọc để khám phá cách xây dựng hệ thống tự động hóa nhà ở tự chủ, hiệu quả về chi phí và không phụ thuộc vào dịch vụ đám mây, bằng cách kết hợp phần mềm tự động hóa nhà (Home Assistant) với ROS 2 và giải pháp thô sơ nhưng hiệu quả.
Đang tải bình luận…