Medplum医疗平台v3.2.31版本发布:增强订阅管理与安全特性
Medplum是一个开源的医疗健康数据平台,基于FHIR标准构建,为开发者提供了构建医疗应用程序所需的核心功能。该平台支持电子健康记录(EHR)、患者管理、临床决策支持等医疗场景,同时注重数据安全与互操作性。
订阅管理与Redis优化
本次发布的v3.2.31版本在订阅管理方面进行了多项改进。系统现在会记录订阅缓存未命中的情况,这有助于开发人员监控订阅系统的性能表现。针对Redis的使用,新版本优化了WebSocket订阅键集的清理机制,并调整了清理阈值,这些改进将提升系统在处理大量订阅时的稳定性和效率。
安全与认证增强
在安全方面,v3.2.31引入了几个重要改进。现在管理员可以配置访问令牌的生命周期,这为不同安全要求的场景提供了更灵活的认证策略。用户信息端点现在会返回用户邮箱,完善了OAuth2用户信息响应。此外,系统增加了对更细粒度scope选择的支持,允许应用程序请求更精确的权限范围。
开发者体验与工具链
对于开发者而言,新版本修复了Bundle-composition搜索功能的问题,并优化了创建Medplum项目的指导说明。在脚本执行环境方面,VM上下文沙箱增加了更多全局变量支持,为开发者提供了更丰富的执行环境。
临床工作流改进
在临床功能方面,v3.2.31版本支持在就诊图表中应用新的计划定义(PlanDefinition),这为临床决策支持提供了更好的工具。同时新增了患者入院问卷功能,丰富了数据采集能力。任务状态面板的加入则为医护人员提供了更直观的任务管理界面。
性能监控与日志
性能监控方面,新版本增加了对昂贵令牌过滤器的详细日志记录,并包含了项目ID在新的令牌日志中。这些改进将帮助管理员更好地理解系统性能瓶颈和资源使用情况。同时移除了多余的缓存日志,使日志输出更加清晰。
文档与用户界面
文档方面新增了关于Medplum资源与FHIR资源区别的说明,帮助用户更好理解平台特性。用户界面方面,关于页面新增了团队成员卡片,提升了项目的透明度。
总体而言,Medplum v3.2.31版本在订阅管理、安全认证、开发者工具和临床功能等方面都做出了有价值的改进,进一步巩固了其作为开源医疗平台的技术基础。这些更新既考虑了系统性能和安全性的提升,也关注了开发者和最终用户的使用体验。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01