[發(fā)明專(zhuān)利]實(shí)現(xiàn)持續(xù)深度學(xué)習(xí)模型實(shí)時(shí)監(jiān)管的優(yōu)選集成系統(tǒng)及方法在審
| 申請(qǐng)?zhí)枺?/td> | 202210496285.7 | 申請(qǐng)日: | 2022-05-09 |
| 公開(kāi)(公告)號(hào): | CN114822820A | 公開(kāi)(公告)日: | 2022-07-29 |
| 發(fā)明(設(shè)計(jì))人: | 李建;金林原;張艷芬;張敏;李洪新;王靜超;廖杰科 | 申請(qǐng)(專(zhuān)利權(quán))人: | 廣州易睿智影科技有限公司 |
| 主分類(lèi)號(hào): | G16H50/20 | 分類(lèi)號(hào): | G16H50/20;G06F16/532;G06F16/55;G06K9/62 |
| 代理公司: | 廣州金鵬律師事務(wù)所 44529 | 代理人: | 周藝 |
| 地址: | 510000 廣東省廣州市*** | 國(guó)省代碼: | 廣東;44 |
| 權(quán)利要求書(shū): | 查看更多 | 說(shuō)明書(shū): | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 實(shí)現(xiàn) 持續(xù) 深度 學(xué)習(xí) 模型 實(shí)時(shí) 監(jiān)管 優(yōu)選 集成 系統(tǒng) 方法 | ||
1.實(shí)現(xiàn)持續(xù)深度學(xué)習(xí)模型實(shí)時(shí)監(jiān)管的優(yōu)選集成系統(tǒng),包括持續(xù)學(xué)習(xí)子系統(tǒng)(1)和超聲PACS子系統(tǒng)(2),其特征在于:所述持續(xù)學(xué)習(xí)子系統(tǒng)(1)包括數(shù)據(jù)處理模塊(11)、優(yōu)選模型生成模塊(12)、診斷模塊(13)和數(shù)據(jù)存儲(chǔ)模塊(14),超聲PACS子系統(tǒng)(2)數(shù)據(jù)連接有數(shù)據(jù)處理模塊(11),數(shù)據(jù)處理模塊(11)數(shù)據(jù)連接有優(yōu)選模型生成模塊(12)、診斷模塊(13)和數(shù)據(jù)存儲(chǔ)模塊(14),且優(yōu)選模型生成模塊(12)和診斷模塊(13)均與數(shù)據(jù)存儲(chǔ)模塊(14)建立數(shù)據(jù)連接,診斷模塊(13)與超聲PACS子系統(tǒng)(2)建立數(shù)據(jù)連接。
2.根據(jù)權(quán)利要求1所述的實(shí)現(xiàn)持續(xù)深度學(xué)習(xí)模型實(shí)時(shí)監(jiān)管的優(yōu)選集成系統(tǒng),其特征在于:所述數(shù)據(jù)處理模塊(11)包括圖像分類(lèi)子模塊(110)和數(shù)據(jù)集構(gòu)建子模塊(111)。
3.根據(jù)權(quán)利要求1所述的實(shí)現(xiàn)持續(xù)深度學(xué)習(xí)模型實(shí)時(shí)監(jiān)管的優(yōu)選集成系統(tǒng),其特征在于:所述優(yōu)選模型生成模塊(12)包括模型訓(xùn)練子模塊(120)和模型測(cè)試子模塊(121),且模型訓(xùn)練子模塊(120)與模型測(cè)試子模塊(121)建立數(shù)據(jù)連接。
4.根據(jù)權(quán)利要求1所述的實(shí)現(xiàn)持續(xù)深度學(xué)習(xí)模型實(shí)時(shí)監(jiān)管的優(yōu)選集成系統(tǒng),其特征在于:所述數(shù)據(jù)存儲(chǔ)模塊(14)包括腫塊良惡性數(shù)據(jù)庫(kù)(140)、病理類(lèi)型數(shù)據(jù)庫(kù)(141)、病理疾病數(shù)據(jù)庫(kù)(142)和優(yōu)選模型數(shù)據(jù)庫(kù)(143),且腫塊良惡性數(shù)據(jù)庫(kù)(140)、病理類(lèi)型數(shù)據(jù)庫(kù)(141)和病理疾病數(shù)據(jù)庫(kù)(142)均與數(shù)據(jù)處理模塊(11)建立數(shù)據(jù)連接,優(yōu)選模型數(shù)據(jù)庫(kù)(143)與優(yōu)選模型生成模塊(12)和診斷模塊(13)建立數(shù)據(jù)連接。
5.實(shí)現(xiàn)持續(xù)深度學(xué)習(xí)模型實(shí)時(shí)監(jiān)管的優(yōu)選集成系統(tǒng)的實(shí)現(xiàn)方法,包括步驟一,數(shù)據(jù)集構(gòu)建;步驟二,算法優(yōu)選;步驟三,系統(tǒng)開(kāi)發(fā);步驟四,系統(tǒng)應(yīng)用;其特征在于:
其中上述步驟一中,數(shù)據(jù)集構(gòu)建包括以下步驟:
1)構(gòu)建實(shí)驗(yàn)數(shù)據(jù)集:選取499例有病理結(jié)果的超聲乳腺病例用于訓(xùn)練,收集乳腺超聲良性腫塊圖像965幅,惡性圖像腫塊965幅,分別隨機(jī)選取800幅用于訓(xùn)練,165幅用于測(cè)試,構(gòu)建實(shí)驗(yàn)數(shù)據(jù)集(Experimental data set,EDS);
2)構(gòu)建腫塊良惡性診斷測(cè)試數(shù)據(jù)集:選取130例病例作為測(cè)試數(shù)據(jù)集(Test data set,TDS),在用于測(cè)試的病例中選取良性腫塊圖像200幅和惡性腫塊圖像200幅,用于構(gòu)建腫塊良惡性診斷測(cè)試數(shù)據(jù)集(Benign and malignant diagnostic test data set,BMTDS);
3)構(gòu)建病理類(lèi)型診斷測(cè)試數(shù)據(jù)集:根據(jù)病理診斷結(jié)果的病理類(lèi)型,選取浸潤(rùn)性非特殊癌200幅圖像作為正類(lèi),其它病理類(lèi)型圖像中隨機(jī)選200幅圖像作為負(fù)類(lèi),構(gòu)建病理類(lèi)型診斷測(cè)試數(shù)據(jù)集(Pathological type diagnostic test data set,PTTDS);
4)構(gòu)建病理疾病診斷測(cè)試數(shù)據(jù)集:根據(jù)病理疾病診斷結(jié)果,選取乳腺浸潤(rùn)性導(dǎo)管癌200幅圖像作為正類(lèi),在其它病理疾病圖像中隨機(jī)選200幅圖像作為負(fù)類(lèi),構(gòu)建病理疾病診斷測(cè)試數(shù)據(jù)集(Pathological disease diagnosis test data set,PDTDS);
其中上述步驟二中,算法優(yōu)選包括以下步驟:
1)選擇較優(yōu)的算法:選取目前比較常用的算法13個(gè)分別開(kāi)發(fā)診斷模型,通過(guò)上述步驟一中所獲取的EDS訓(xùn)練模型并用BMTDS對(duì)模型進(jìn)行測(cè)試,獲取診斷模型的AUC值(Area underthe curve),比較模型的診斷性能,從中選擇5種診斷性能較優(yōu)的算法;
2)選擇最優(yōu)的算法:對(duì)5種算法進(jìn)行了相互比較,分別用5種算法構(gòu)建模型,采用BMTDS、PTTDS、PDTDS對(duì)腫塊良惡性診斷、病理類(lèi)型及病理疾病診斷性能進(jìn)行測(cè)試和比較,在這5種算法中,選擇AUC值最高的算法作為系統(tǒng)的開(kāi)發(fā)算法;
其中上述步驟三中,基于上述步驟一中所構(gòu)建的數(shù)據(jù)集和步驟二中所獲取的最優(yōu)的算法,利用python開(kāi)發(fā)持續(xù)學(xué)習(xí)子系統(tǒng)(1),并將其與超聲PACS子系統(tǒng)(2)進(jìn)行集成;
其中上述步驟四中,系統(tǒng)應(yīng)用包括以下步驟:
1)數(shù)據(jù)輸入:醫(yī)師通過(guò)超聲PACS子系統(tǒng)(2)提供數(shù)據(jù)和圖像給數(shù)據(jù)處理模塊(11),當(dāng)圖像為有病理結(jié)果的圖像時(shí),進(jìn)入步驟2),當(dāng)圖像為沒(méi)有病理結(jié)果的圖像時(shí),進(jìn)入步驟3);
2)持續(xù)學(xué)習(xí):當(dāng)數(shù)據(jù)處理模塊(11)接收到有病理結(jié)果的圖像時(shí),自動(dòng)對(duì)圖像進(jìn)行分類(lèi)和構(gòu)建數(shù)據(jù)集,分別構(gòu)建腫塊良惡性數(shù)據(jù)集(Benign and malignant set,BMS)、病理類(lèi)型數(shù)據(jù)集(Pathological type set,PTS)和病理疾病數(shù)據(jù)集(Pathological disease set,PDS);當(dāng)良性與惡性圖像達(dá)到預(yù)設(shè)數(shù)量時(shí),優(yōu)選模型生成模塊(12)自動(dòng)啟動(dòng),進(jìn)行模型訓(xùn)練與測(cè)試,通過(guò)步驟2)中構(gòu)建的BMS、PTS和PDS分別訓(xùn)練出3組模型,每組模型完成訓(xùn)練后,保存該組模型中最后的8個(gè)模型進(jìn)行測(cè)試,自動(dòng)選擇AUC值最高的模型作為該組模型中的最優(yōu)模型,當(dāng)3種模型都訓(xùn)練完成后,模型測(cè)試子模塊(121)分別采用3種最優(yōu)模型對(duì)TDS進(jìn)行綜合測(cè)試并輸出結(jié)果;
3)自動(dòng)診斷:當(dāng)數(shù)據(jù)處理模塊(11)接收到?jīng)]有病理結(jié)果的圖像時(shí),數(shù)據(jù)處理模塊(11)把圖像傳給診斷模塊(13),診斷模塊(13)首先采用BM_OM對(duì)腫塊圖像進(jìn)行良惡性診斷,除獲得良惡性診斷結(jié)果外,選擇惡性概率最高的圖像,通過(guò)PT_OM進(jìn)行病理類(lèi)型診斷,通過(guò)PD_OM進(jìn)行病理疾病診斷,完成診斷后返回結(jié)果給超聲PACS子系統(tǒng)(2)。
該專(zhuān)利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專(zhuān)利權(quán)人授權(quán)。該專(zhuān)利全部權(quán)利屬于廣州易睿智影科技有限公司,未經(jīng)廣州易睿智影科技有限公司許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買(mǎi)此專(zhuān)利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202210496285.7/1.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專(zhuān)利網(wǎng)。
- 互動(dòng)業(yè)務(wù)終端、實(shí)現(xiàn)系統(tǒng)及實(shí)現(xiàn)方法
- 街景地圖的實(shí)現(xiàn)方法和實(shí)現(xiàn)系統(tǒng)
- 游戲?qū)崿F(xiàn)系統(tǒng)和游戲?qū)崿F(xiàn)方法
- 圖像實(shí)現(xiàn)裝置及其圖像實(shí)現(xiàn)方法
- 增強(qiáng)現(xiàn)實(shí)的實(shí)現(xiàn)方法以及實(shí)現(xiàn)裝置
- 軟件架構(gòu)的實(shí)現(xiàn)方法和實(shí)現(xiàn)平臺(tái)
- 數(shù)值預(yù)報(bào)的實(shí)現(xiàn)方法及實(shí)現(xiàn)系統(tǒng)
- 空調(diào)及其冬眠控制模式實(shí)現(xiàn)方法和實(shí)現(xiàn)裝置以及實(shí)現(xiàn)系統(tǒng)
- 空調(diào)及其睡眠控制模式實(shí)現(xiàn)方法和實(shí)現(xiàn)裝置以及實(shí)現(xiàn)系統(tǒng)
- 輸入設(shè)備實(shí)現(xiàn)方法及其實(shí)現(xiàn)裝置
- 根據(jù)用戶(hù)學(xué)習(xí)效果動(dòng)態(tài)變化下載學(xué)習(xí)數(shù)據(jù)的系統(tǒng)及方法
- 用于智能個(gè)人化學(xué)習(xí)服務(wù)的方法
- 漸進(jìn)式學(xué)習(xí)管理方法及漸進(jìn)式學(xué)習(xí)系統(tǒng)
- 輔助學(xué)習(xí)的方法及裝置
- 基于人工智能的課程推薦方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)
- 基于強(qiáng)化學(xué)習(xí)的自適應(yīng)移動(dòng)學(xué)習(xí)路徑生成方法
- 一種線上視頻學(xué)習(xí)系統(tǒng)
- 一種基于校園大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)方法、裝置及設(shè)備
- 一種學(xué)習(xí)方案推薦方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)
- 游戲?qū)W習(xí)效果評(píng)測(cè)方法及系統(tǒng)





