采购单位：南方医科大学 |
联系人：****** |
E-mail：****** |
联系电话：****** |
传真：****** |
联系手机：****** |
邮编：****** |
平台联系电话（异议）：****** |
|
项目名称：
医学影像工作站
|
竞价编号：JJ20121717201287 |
采购类型：货物类 |
开始时间：2020-12-17 17:20:00 |
项目预算(元)：已隐藏 |
结束时间：2020-12-20 18:20:00 |
质保期及售后要求：无 |
|
其他要求：无 |
| 资格及商务响应情况 | ||||
|---|---|---|---|---|
| 项目 | 竞价要求 | 响应情况 | ||
| 资格条件 | 厂家授权经销商 | 全部满足 | ||
| 付款方式 | 货物交付完成且验收合格后 15个工作日内，支付全额款项 | 无 | ||
| 交付时间 | 签订合同后包装完好，软硬件参数指标须完全满足或高于要求天送货。 | |||
| 履约保证金： | 无需履约保证金 | 无 | ||
| 交付地址 | 广州白云区南方医科大学生科楼6-1-16室 | |||
| 质保期及售后要求 | 无 | 无 | ||
| 其他要求： | 无 | 无 | ||
| 报价情况 | ||||
| 标的名称 | 生产厂商/品牌、型号规格 | 数量 | 响应情况 | 单价（元/%） |
| 医学影像工作站 | AMAX、TD41-Z1 | 1.00 | AMAX、 TD41-Z1 | 59500.000元 |
| 总报价 | 59500.000 元 | |||
| 技术响应 | ||||
| 标的名称 | 技术要求 | 响应情况 | ||
| 医学影像工作站 | 一、平台硬件要求： 1. x86主处理器主频不低于3.0 GHz，核心数不低于18个，计算内存不低于64GB，不低于2张NVIDIA 8704个CUDA核心10GB显存训练加速协处理器,不低于1.92TB高速缓存训练容量+16TB预训练模型存储区，支持4片FHFL GPU，2000W以上高效电源。 2.显示输出不低于3840×2160分辨率，屏刷新率不低于60HZ，转升降底座,显示规格不低于31英寸医学影像专业显示产品。 3.文件快速上传下载：支持上传下载目录，或上传zip包后解压。含有不低于1个高性能数据模块，具备数据安全加密及计算应用集成功能。 4.交互环境：用户可以启动Jupyter notebook进行交互式开发和调试，用户可以启动图形化任务，通过Web VNC连接并在PyCharm中进行开发和调试。 5. 一个以桌面应用为主的Linux操作系统，支持基于POSIX和UNIX的多用户、多任务、支持多线程和多CPU的操作系统。能运行主要的UNIX工具软件、应用程序和网络协议。支持Gnome、KDE、Xfce等桌面环境组件。和集成搜索工具Tracker，为用户提供方便、智能的桌面资源搜索。提供了全套的多媒体应用软件工具，包括处理音频、视频、图形、图像的工具。 二、平台软件要求： 1. 安装Clara Train软件，能够创建具备 AI 功能的医学影像应用程序，并使用 API 将 AI 辅助标注添加到任何医学影像查看器和一组特定于领域的预训练模型中。且包含 AutoML 和隐私保护型联邦学习等技术。 2. 能够实现基于Linux下的集成化影像辅助诊断软件系统包括数据获取、数据管理、二维读片、距离测量、图像分割拼接、图像三维重建以及三维重建模型的显示、几何测量以及剖切等交互功能，具有三维可视化交互性和实时性，并提供源码并负责指导软件使用。 3.可实现集成了最新技术深度机器学习的影像组学预测模型，并融合1000项定量三维影像特征和医生经验特征，可实现肿瘤的自动分割、精确配准和三维可视化，并能预测评估肿瘤的良恶性、TNM分期、生存期等临床关键指标，为临床医生提供第二诊断意见。 4.影像模块集成算法框架高效、数据结构严谨的C＋＋类库，其主要目的是提供一个整合医学图像前重建、分割、配准、可视化等各类医学影像处理与分析算法的可扩展框架。 5. 用户通过自定义任务模板，设置模板参数，可以快速启动任务，提高效率。可支持多任务进行计算任务的提交和查看，测试。系统满足多用户同时使用。构架好高效深度学习模型运行环境。 6.调度任务时，可以指定GPU卡数，CPU数，内存数，训练集等；同时指定工作目录，输出目录。Shell脚本启动离线任务，用户通过自定义的Shell脚本启动训练任务，适应conda使用习惯和特殊场景。任务模板，用户通过自定义任务模板，设置模板参数，可以快速启动任务，提高效率。 7.提供管理软件，并支持全局资源监控控制、资源分区配额监控和主机运行状态监控；基于Horovod的分布式训练，支持Tensorflow、PyTorch、MxNet，极大降低用户开发分布式训练的难度。 8.提供医学影像人工智能的动手实践培训（使用 MedNIST数据集进行医学影像分类和使用生成式对抗网络实现医学影像数据增强与分割，） | 一、平台硬件要求： 1. x86主处理器主频不低于3.0 GHz，核心数不低于18个，计算内存不低于64GB，不低于2张NVIDIA 8704个CUDA核心10GB显存训练加速协处理器,不低于1.92TB高速缓存训练容量+16TB预训练模型存储区，支持4片FHFL GPU，2000W以上高效电源。 2.显示输出不低于3840×2160分辨率，屏刷新率不低于60HZ，转升降底座,显示规格不低于31英寸医学影像专业显示产品。 3.文件快速上传下载：支持上传下载目录，或上传zip包后解压。含有不低于1个高性能数据模块，具备数据安全加密及计算应用集成功能。 4.交互环境：用户可以启动Jupyter notebook进行交互式开发和调试，用户可以启动图形化任务，通过Web VNC连接并在PyCharm中进行开发和调试。 5. 一个以桌面应用为主的Linux操作系统，支持基于POSIX和UNIX的多用户、多任务、支持多线程和多CPU的操作系统。能运行主要的UNIX工具软件、应用程序和网络协议。支持Gnome、KDE、Xfce等桌面环境组件。和集成搜索工具Tracker，为用户提供方便、智能的桌面资源搜索。提供了全套的多媒体应用软件工具，包括处理音频、视频、图形、图像的工具。 二、平台软件要求： 1. 安装Clara Train软件，能够创建具备 AI 功能的医学影像应用程序，并使用 API 将 AI 辅助标注添加到任何医学影像查看器和一组特定于领域的预训练模型中。且包含 AutoML 和隐私保护型联邦学习等技术。 2. 能够实现基于Linux下的集成化影像辅助诊断软件系统包括数据获取、数据管理、二维读片、距离测量、图像分割拼接、图像三维重建以及三维重建模型的显示、几何测量以及剖切等交互功能，具有三维可视化交互性和实时性，并提供源码并负责指导软件使用。 3.可实现集成了最新技术深度机器学习的影像组学预测模型，并融合1000项定量三维影像特征和医生经验特征，可实现肿瘤的自动分割、精确配准和三维可视化，并能预测评估肿瘤的良恶性、TNM分期、生存期等临床关键指标，为临床医生提供第二诊断意见。 4.影像模块集成算法框架高效、数据结构严谨的C＋＋类库，其主要目的是提供一个整合医学图像前重建、分割、配准、可视化等各类医学影像处理与分析算法的可扩展框架。 5. 用户通过自定义任务模板，设置模板参数，可以快速启动任务，提高效率。可支持多任务进行计算任务的提交和查看，测试。系统满足多用户同时使用。构架好高效深度学习模型运行环境。 6.调度任务时，可以指定GPU卡数，CPU数，内存数，训练集等；同时指定工作目录，输出目录。Shell脚本启动离线任务，用户通过自定义的Shell脚本启动训练任务，适应conda使用习惯和特殊场景。任务模板，用户通过自定义任务模板，设置模板参数，可以快速启动任务，提高效率。 7.提供管理软件，并支持全局资源监控控制、资源分区配额监控和主机运行状态监控；基于Horovod的分布式训练，支持Tensorflow、PyTorch、MxNet，极大降低用户开发分布式训练的难度。 8.提供医学影像人工智能的动手实践培训（使用 MedNIST数据集进行医学影像分类和使用生成式对抗网络实现医学影像数据增强与分割，） | ||
