【技术实现步骤摘要】
本专利技术属于医疗影像人工智能与信息化，具体涉及一种自进化的医疗人工智能模型优化系统及方法。
技术介绍
1、随着各种医疗影像设备的广泛应用，影像数据呈现大规模增长，同时大数据技术的发展使得大批人工智能影像辅助产品落地临床，进一步催生了医疗影像人工智能训练平台的概念，为辅助医生提高诊疗效率打开了崭新的大门。由于目前主流医疗领域人工智能平台的模型设计方案都是依据静态数据训练，不具备增量训练临床不断新增的动态数据，浪费了新医疗数据的训练潜力。此外人工智能平台在数据统一化管理、模型自动化运行等方面也有着不小的挑战。所以人工智能训练平台在使用上存在两大问题：缺乏持久化学习能力和缺乏反馈处理的机制。
2、自进化人工智能即自动学习、自我改进的人工智能，为了实现自进化这一目标，有多种方向的机器学习算法正在积极探索，例如增量学习、在线学习、元学习、迁移学习等。随着医疗设备的不断升级和广泛普及，各地医疗机构每天产生着大量的医学影像数据。因此，为了改善诊断准确性，加速医疗流程，为医生提供更大的决策支持，自进化人工智能模型的需求也在医疗大数据推动下愈加旺盛。
技术实现思路
1、本专利技术旨在解决现有技术的不足，提供了如下方案：
2、一种自进化的医疗人工智能模型优化系统，包括：数据采集模块、数据预处理模块、模型自进化训练模块和可视化管理模块；
3、所述数据采集模块用于采集医疗数据，所述医疗数据包括：医疗影像数据、医疗报告数据以及对应的标注数据；
4、所述数据预
5、所述模型自进化训练模块基于所述样本数据集对待训练医疗模型进行自进化训练，得到训练后医疗模型；
6、所述可视化管理模块用于提供人机交互界面，供用户选择不同的所述待训练医疗模型，同时储存模型的训练结果和训练流程信息。
7、优选的，所述数据采集模块包括：主动拉取单元、被动接收单元和第一储存单元；
8、所述主动拉取单元用于从第三方pacs/ris系统通过中间表及nfs协议定时拉取所述医疗数据；
9、所述被动接收单元用于提供后台服务接收第三方pacs/ris系统发送的所述医疗数据；
10、所述第一储存单元用于解析所述医疗影像数据，并存储解析后医疗影像数据、所述医疗报告数据以及所述标注数据。
11、优选的，所述数据预处理模块包括：连续性检查单元、图像匿名单元和样本预处理单元；
12、所述连续性检查单元用于依据所述医疗图像数据的图像号检查所述医疗图像数据的连续性，确保图像的连续；
13、所述图像匿名单元用于去除所述医疗数据中的病人隐私信息、主治医生隐私信息和医院信息；
14、所述样本处理单元用于对所述医疗数据进行处理，得到处理后的所述样本数据集。
15、优选的，所述样本处理单元包括：影像数据处理子单元、报告数据处理子单元和标注数据处理子单元；
16、所述影像数据处理子单元用于对于所述医疗影像数据，根据模态将所述医疗影像数据进行分类，并对每一类进行插值调整影像大小，完成影像数据处理；
17、所述报告数据处理子单元用于将报告中的影像表现和诊断结论分别提取出来，形成半结构化数据，完成报告数据处理；
18、所述标注数据处理子单元用于校验所述标注数据与所述医疗影像数据的对应关系，完成标注数据处理。
19、优选的，所述模型自进化训练模块包括：训练样本生成单元、内驱训练单元、外驱训练单元和第二储存单元；
20、所述训练样本生成单元利用所述样本数据集和历史样本集生成模型训练所需的训练数据集，所述历史样本集包括：历史样本数据集和历史模型；
21、所述内驱训练单元利用增量学习策略中的正则化方法建立若干并行处理流，并基于所述训练数据集对所述待训练医疗模型进行更新，得到更新后模型；
22、所述外驱训练单元利用元更新策略对所述更新后模型进行优化学习，得到所述训练后医疗模型；
23、所述第二储存单元用于将所述样本数据集和训练前的所述待训练模型移入所述历史样本集中储存。
24、本专利技术还提供了一种自进化的医疗人工智能模型优化方法，所述优化方法应用于上述任一项所述的优化系统，包括以下步骤：
25、采集医疗数据，所述医疗数据包括：医疗影像数据、医疗报告数据以及对应的标注数据；
26、对所述医疗数据进行预处理，得到预处理后的样本数据集；
27、基于所述样本数据集对待训练医疗模型进行自进化训练，得到训练后医疗模型。
28、优选的，所述采集医疗数据的方法包括：主动拉取模式和被动接收模式
29、所述主动拉取模式为从第三方pacs/ris系统通过中间表及nfs协议定时拉取所述医疗数据；
30、所述被动接收模式为提供后台服务接收第三方pacs/ris系统发送的所述医疗数据；
31、之后解析所述医疗影像数据，并存储解析后医疗影像数据、所述医疗报告数据以及所述标注数据。
32、优选的，所述预处理的方法包括：
33、依据所述医疗图像数据的图像号检查所述医疗图像数据的连续性，确保图像的连续；
34、去除所述医疗数据中的病人隐私信息、主治医生隐私信息和医院信息；
35、对所述医疗数据进行处理，得到处理后的所述样本数据集。
36、优选的，对所述医疗数据进行处理的方法包括：
37、对于所述医疗影像数据，根据模态将所述医疗影像数据进行分类，并对每一类进行插值调整影像大小，完成影像数据处理；
38、将报告中的影像表现和诊断结论分别提取出来，形成半结构化数据，完成报告数据处理；
39、校验所述标注数据与所述医疗影像数据的对应关系，完成标注数据处理。
40、优选的，所述自进化训练的方法包括：
41、利用所述样本数据集和历史样本集生成模型训练所需的训练数据集，所述历史样本集包括：历史样本数据集和历史模型；
42、利用增量学习策略中的正则化方法建立若干并行处理流，并基于所述训练数据集对所述待训练医疗模型进行内驱训练更新，得到更新后模型；
43、利用元更新策略对所述更新后模型进行外驱优化学习，得到所述训练后医疗模型；
44、将所述样本数据集和训练前的所述待训练模型移入所述历史样本集中储存。
45、与现有技术相比，本专利技术的有益效果为：
46、(1)本专利技术设计了一种用于医疗人工智能模型的自进化优化方法，使用该方法的医疗模型具有持续学习能力以及抗遗忘能力，可以持续、高效地为医生提供更准确的医疗模型。
47、(2)本专利技术还构建了基于自进化的医疗人工智能模型优化平台，具备数据管理系统以及模型管理系统，能够部署医疗模型，并对模型进行自进化训练，平台支持医生在线查阅相本文档来自技高网...
【技术保护点】
1.一种自进化的医疗人工智能模型优化系统，其特征在于，包括：数据采集模块、数据预处理模块、模型自进化训练模块和可视化管理模块；
2.根据权利要求1所述一种自进化的医疗人工智能模型优化系统，其特征在于，所述数据采集模块包括：主动拉取单元、被动接收单元和第一储存单元；
3.根据权利要求1所述一种自进化的医疗人工智能模型优化系统，其特征在于，所述数据预处理模块包括：连续性检查单元、图像匿名单元和样本预处理单元；
4.根据权利要求3所述一种自进化的医疗人工智能模型优化系统，其特征在于，所述样本处理单元包括：影像数据处理子单元、报告数据处理子单元和标注数据处理子单元；
5.根据权利要求1所述一种自进化的医疗人工智能模型优化系统，其特征在于，所述模型自进化训练模块包括：训练样本生成单元、内驱训练单元、外驱训练单元和第二储存单元；
6.一种自进化的医疗人工智能模型优化方法，所述优化方法应用于权利要求1-5任一项所述的优化系统，其特征在于，包括以下步骤：
7.根据权利要求6所述一种自进化的医疗人工智能模型优化方法，其特征在于
8.根据权利要求6所述一种自进化的医疗人工智能模型优化方法，其特征在于，所述预处理的方法包括：
9.根据权利要求8所述一种自进化的医疗人工智能模型优化方法，其特征在于，对所述医疗数据进行处理的方法包括：
10.根据权利要求6所述一种自进化的医疗人工智能模型优化方法，其特征在于，所述自进化训练的方法包括：
...【技术特征摘要】
1.一种自进化的医疗人工智能模型优化系统，其特征在于，包括：数据采集模块、数据预处理模块、模型自进化训练模块和可视化管理模块；
2.根据权利要求1所述一种自进化的医疗人工智能模型优化系统，其特征在于，所述数据采集模块包括：主动拉取单元、被动接收单元和第一储存单元；
3.根据权利要求1所述一种自进化的医疗人工智能模型优化系统，其特征在于，所述数据预处理模块包括：连续性检查单元、图像匿名单元和样本预处理单元；
4.根据权利要求3所述一种自进化的医疗人工智能模型优化系统，其特征在于，所述样本处理单元包括：影像数据处理子单元、报告数据处理子单元和标注数据处理子单元；
5.根据权利要求1所述一种自进化的医疗人工智能模型优化系统，其特征在于，所述模型自...
【专利技术属性】
技术研发人员：杨媛媛，周立信，高杰诚，
申请(专利权)人：智远汇壹苏州健康医疗科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。