CN112349419A - 一种基于医学数据及人工智能的真实世界研究方法 - Google Patents
一种基于医学数据及人工智能的真实世界研究方法 Download PDFInfo
- Publication number
- CN112349419A CN112349419A CN202010879769.0A CN202010879769A CN112349419A CN 112349419 A CN112349419 A CN 112349419A CN 202010879769 A CN202010879769 A CN 202010879769A CN 112349419 A CN112349419 A CN 112349419A
- Authority
- CN
- China
- Prior art keywords
- medical data
- pooling layer
- layer unit
- path
- lag
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000011160 research Methods 0.000 title claims abstract description 9
- 238000011176 pooling Methods 0.000 claims abstract description 347
- 230000003111 delayed effect Effects 0.000 claims description 38
- 230000005540 biological transmission Effects 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 19
- 238000012546 transfer Methods 0.000 claims description 11
- 238000009795 derivation Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 9
- 230000004913 activation Effects 0.000 claims description 6
- 108091026890 Coding region Proteins 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 abstract description 4
- 230000007547 defect Effects 0.000 abstract description 3
- 238000011161 development Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Abstract
一种基于医学数据及人工智能的真实世界研究方法,包括凭借现时池化层单元运算出的基于池化层单元的医学数据,得到与所述基于池化层单元的医学数据对应的路径数据,所述路径数据,包括所述基于池化层单元的医学数据经所述现时池化层单元传递到目标池化层单元所途径的全部路径池化层单元的医学数据,还有每个所述路径池化层单元间的关联医学数据。结合其它结构有效避免了现有技术中人工智能内的池化层医学数据收受方式运算出的池化层单元导出的医学数据同真实的仿真结论误差太高的缺陷。
Description
技术领域
本发明属于医学数据AI技术领域,具体涉及一种基于医学数据及人工智能的真实世界研究方法。
背景技术
普遍的针对医学数据的人工智能开发普遍依然为在单内核上运行程序模块且附设高水准的FPGA架构来达成的,全部期间的电子元件功耗、费用以及医学数据处置效率均不佳;于是,近几年人工智能运算方面高效进步,也就是运用电子元件径直形成人工智能以此仿真头部的效能,要达成整体同步、小功耗、能撑持繁琐架构卷积性能的运算体系,且可把人工智能的处置结论,达成更佳的仿真。
凭借现有的人工智能内的池化层医学数据收受方式运算出的池化层单元导出的医学数据,同真实的仿真结论,误差太高。
发明内容
为解决上述问题,本发明提供了一种基于医学数据及人工智能的真实世界开发方式,有效避免了现有技术中人工智能内的池化层医学数据收受方式运算出的池化层单元导出的医学数据同真实的仿真结论误差太高的缺陷。
为了克服现有技术中的缺陷,本发明提供了一种基于医学数据及人工智能的真实世界开发方式的解决方案,具体如下:
一种基于医学数据及人工智能的真实世界开发方式,其人工智能医学数据发送方式,包括:
A-1:凭借现时池化层单元运算出的基于池化层单元的医学数据,得到与所述基于池化层单元的医学数据对应的路径数据,所述路径数据,包括所述基于池化层单元的医学数据经所述现时池化层单元传递到目标池化层单元所途径的全部路径池化层单元的医学数据,还有每个所述路径池化层单元间的关联医学数据。
进一步的,所述路径数据,包括池化层单元层级的服务设置后,池化层单元间的恒定的路径关联,亦在一服务内,现时池化层单元能够凭借运算得出的不一样的导出的医学数据,给所述导出的医学数据主动择取的路径;包括给出现时池化层单元到目标池化层单元间所需的途径的恒定的途径路径池化层单元的数量,或者给出现时池化层单元至目标池化层单元间的恒定的路径下基于池化层单元的医学数据。
在一基于池化层单元的医学数据被运算出来后,经由事先设置的路径规范,得到路径数据,了解现时池化层单元所要导出的基于池化层单元的医学数据所要途径的路径数据;还包括途径何处路径池化层单元,另外全部路径池化层单元间的相连结构,依照事先设定的编码的次序相连,或凭借医学数据量执行机动变化。
A-2:凭借所述路径数据,得到同所述路径数据相应的迟滞医学数据。
进一步的,所述凭借所述路径数据,得到的所述路径数据相应的迟滞医学数据,包括凭借路径数据的设定的基于池化层单元的医学数据的传递迟滞时长,
A-3:凭借所述基于池化层单元的医学数据与所述迟滞医学数据,导出所述基于池化层单元的医学数据。
进一步的,凭借所述基于池化层单元的医学数据与所述迟滞医学数据,导出所述基于池化层单元的医学数据,包括把所述一对医学数据合并导出,或在所述迟滞医学数据认定的迟滞时长后导出所述基于池化层单元的医学数据,把所述迟滞医学数据包含在所述基于池化层单元的医学数据的导出中,能够让所述基于池化层单元的医学数据具有很完善的时段数据。
所述人工智能下医学数据传递方式,包括:
B-1:凭借现时池化层单元运算出的基于池化层单元的医学数据,得到与所述基于池化层单元的医学数据相应的路径数据,所述路径数据,包括所述基于池化层单元的医学数据经所述现时池化层单元传递到目标池化层单元所途径的全部路径池化层单元的医学数据,还有每个所述路径池化层单元间的关联医学数据;所述路径数据,包括:凭借每个所述路径池化层单元的医学数据处置数量,同每个所述路径池化层单元间的医学数据传递数量,认定的医学数据处置传递数量。
进一步的,凭借池化层单元导出的医学数据,得到的路径数据,包括凭借各所述路径池化层单元的医学数据处置数量,与每个所述路径池化层单元间的医学数据传递数量,认定的医学数据处置传递数量,因为池化层单元的医学数据处置数量,与每个所述路径池化层单元间的医学数据传递数量,表示人工智能内的每个池化层单元,还有池化层单元间的医学数据处置性能,而池化层单元的电子元件约束,软件达成的约束,或医学数据量的瞬时处置拥塞等,都会对池化层单元的医学数据处置性能,或池化层单元之间的医学数据传递数量,形成恒定或非恒定的作用;所以,涉及医学数据处置传递数量,等同于涉及人工智能的整体医学数据处置性能。
凭借不一样路径的医学数据量,对迟滞医学数据执行认定,就像医学数据量高的路径迟滞高点,或者医学数据量大的路径迟滞低点,都行,凭借服务的真实要求执行灵活设定就行。
B-2:若所述医学数据处置传递数量不低于医学数据量的临界数,把所述路径数据相应的迟滞医学数据设成迟滞时长一,不然把所述迟滞医学数据设成迟滞时长二,另外所述迟滞时长一的时长高过所述迟滞时长二的时长。
B-3:凭借所述基于池化层单元的医学数据与所述迟滞医学数据,导出所述基于池化层单元的医学数据。
B-4:凭借所述基于池化层单元的医学数据与所述迟滞医学数据,导出所述基于池化层单元的医学数据;所述路径数据,关键要顾及路径池化层单元的医学数据处置数量,与路径池化层单元间的医学数据传递数量,构成全部路径的整体医学数据量,凭借不一样路径的医学数据量。
一种人工智能下的医学数据传递方式,包括:
C-1:凭借现时池化层单元运算出的基于池化层单元的医学数据,得到与所述基于池化层单元的医学数据相应的路径数据,所述路径数据,包括所述基于池化层单元的医学数据由所述现时池化层单元传递到目标池化层单元所途径的全部路径池化层单元的医学数据,还有每个所述路径池化层单元间的关联医学数据;所述路径数据,包括:凭借各所述路径池化层单元的数量,与每个所述路径池化层单元间的相连数量,认定的误差量。
进一步的,涉及各所述路径池化层单元间的数量,与每个所述路径池化层单元间的相连的总量,认定误差量,能够让路径误差不小的池化层单元的迟滞高过路径误差不大的池化层单元的迟滞,或者让路径误差不小的池化层单元的迟滞低于路径误差不大的池化层单元的迟滞,凭借服务的要求执行灵活的设定就行。
C-2:若所述误差量不低于误差临界数,把所述路径数据相应的迟滞医学数据设成迟滞时长三,不然就把所述迟滞医学数据设成迟滞时长四,另外所述迟滞时长三的时长高过所述迟滞时长四的时长。
进一步的,凭借事先设置的误差临界数,依照误差量的大小,设定不一样迟滞医学数据,为根据具体情况而设的设定方式。
C-3:凭借所述基于池化层单元的医学数据与所述迟滞医学数据,导出所述基于池化层单元的医学数据。
C-4:凭借所述基于池化层单元的医学数据与所述迟滞医学数据,导出所述基于池化层单元的医学数据.
所述人工智能下的医学数据传递方式,包括:
D-1:把所述基于池化层单元的医学数据与所述迟滞医学数据,依照导出的医学数据编码算法执行编码后,形成所述现时池化层单元的导出的医学数据。
进一步的,所述导出的医学数据编码算法,包括把所述基于池化层单元的医学数据与所述迟滞医学数据,依照设定的数据转化算法,转化成事先设置容量的字节数医学数据,就像一字节的医学数据,接着把所述基于池化层单元的医学数据的字节数医学数据,与所述迟滞医学数据的字节数医学数据结合,得到所述现时池化层单元的导出的医学数据。
D-2:导出所述现时池化层单元的导出的医学数据。
进一步的,就像在池化层单元收受到的路径数据内,具有所述基于池化层单元的医学数据与所述迟滞医学数据的字节,运用路径数据导出所述基于池化层单元的医学数据与所述迟滞医学数据,来让收受到所述路径数据的池化层单元,凭借所述迟滞医学数据对所述基于池化层单元的医学数据执行处置,就像凭借所述迟滞医学数据,在收受到所述基于池化层单元的医学数据的时段下,不对所述基于池化层单元的医学数据执行处置,而在所述时延医学数据指定的之后的时段,接着对所述基于池化层单元的医学数据执行处置。
一种人工智能下的医学数据传递方式,包括:
E-1:得到所述现时池化层单元的导出启动时点。
进一步的,所述现时池化层单元的导出启动时点,包括在一人工智能的服务启动时设置的每个池化层单元的导出启动时点,现时池化层单元得到所述导出启动时点后,在所述导出启动时点,启动导出所述基于池化层单元的医学数据。
E-2:在所述导出启动时点,凭借所述迟滞医学数据认定的时延,迟滞导出所述基于池化层单元的医学数据。
进一步的,在所述导出启动时点启动后,凭借所述迟滞医学数据认定的迟滞时长,对所述基于池化层单元的医学数据执行迟滞导出,把所述迟滞医学数据运用划分时间片的方式执行,在所述迟滞医学数据认定的迟滞时长后,径直导出所述基于池化层单元的医学数据就行。
进一步的,认定现时池化层单元的导出启动时点,且在所述导出启动时点,在迟滞医学数据认定的迟滞时长后,分配所述基于池化层单元的医学数据。在导出所述基于池化层单元的医学数据时,把迟滞医学数据,用划分时间片的方式整合至现时基于池化层单元的医学数据的导出中,完善了池化层单元的运行模式,加大了全体人工智能的准确效应。
本发明的有益效果为:
本发明提高了池化层单元导出的医学数据的医学数据量,完善了池化层单元的运行模式,加强了全体网络的准确效应。认定现时池化层单元的导出启动时点,并在所述导出启动时点,在述迟滞医学数据认定的迟滞时长后,发放所述基于池化层单元的医学数据。在导出所述基于池化层单元的医学数据时,将迟滞医学数据,用划分时间片的方式融合到现时基于池化层单元的医学数据的导出中,完善了池化层单元的运行模式,加强了全体人工智能的准确效应。
附图说明
图1是本发明的基于医学数据及人工智能的真实世界研究方法的流程图。
具体实施方式
下面将结合附图和实施例对本发明做进一步地说明。
如图1所示,基于医学数据及人工智能的真实世界研究方法,其包括:
A-1:凭借现时池化层单元运算出的基于池化层单元的医学数据,得到与所述基于池化层单元的医学数据对应的路径数据,所述路径数据,包括所述基于池化层单元的医学数据经所述现时池化层单元传递到目标池化层单元所途径的全部路径池化层单元的医学数据,还有每个所述路径池化层单元间的关联医学数据。
所述路径数据,包括池化层单元层级的服务设置后,池化层单元间的恒定的路径关联,亦在一服务内,现时池化层单元能够凭借运算得出的不一样的导出的医学数据,给所述导出的医学数据主动择取的路径;包括给出现时池化层单元到目标池化层单元间所需的途径的恒定的途径路径池化层单元的数量,或者给出现时池化层单元至目标池化层单元间的恒定的路径下基于池化层单元的医学数据。
在一基于池化层单元的医学数据被运算出来后,经由事先设置的路径规范,得到路径数据,了解现时池化层单元所要导出的基于池化层单元的医学数据所要途径的路径数据;还包括途径何处路径池化层单元,另外全部路径池化层单元间的相连结构,依照事先设定的编码的次序相连,或凭借医学数据量执行机动变化。
A-2:凭借所述路径数据,得到同所述路径数据相应的迟滞医学数据。
所述凭借所述路径数据,得到的所述路径数据相应的迟滞医学数据,包括凭借路径数据的设定的基于池化层单元的医学数据的传递迟滞时长,
A-3:凭借所述基于池化层单元的医学数据与所述迟滞医学数据,导出所述基于池化层单元的医学数据。
凭借所述基于池化层单元的医学数据与所述迟滞医学数据,导出所述基于池化层单元的医学数据,包括把所述一对医学数据合并导出,或在所述迟滞医学数据认定的迟滞时长后导出所述基于池化层单元的医学数据,把所述迟滞医学数据包含在所述基于池化层单元的医学数据的导出中,能够让所述基于池化层单元的医学数据具有很完善的时段数据。
凭借现时池化层单元运算得出的基于池化层单元的医学数据,依照其传递到目标池化层单元所要途径的路径数据,认定迟滞医学数据,并凭借所述迟滞医学数据和所述基于池化层单元的医学数据,导出所述基于池化层单元的医学数据;因为凭借基于池化层单元的医学数据的路径数据认定了迟滞医学数据,且在导出所述基于池化层单元的医学数据之际,涉及迟滞医学数据,让基于池化层单元的医学数据能够具有更完善的时段数据,完善了池化层单元的运行模式,加大了全部体系的准确性能。
所述人工智能下医学数据传递方式,包括:
B-1:凭借现时池化层单元运算出的基于池化层单元的医学数据,得到与所述基于池化层单元的医学数据相应的路径数据,所述路径数据,包括所述基于池化层单元的医学数据经所述现时池化层单元传递到目标池化层单元所途径的全部路径池化层单元的医学数据,还有每个所述路径池化层单元间的关联医学数据;所述路径数据,包括:凭借每个所述路径池化层单元的医学数据处置数量,同每个所述路径池化层单元间的医学数据传递数量,认定的医学数据处置传递数量。
凭借池化层单元导出的医学数据,得到的路径数据,包括凭借各所述路径池化层单元的医学数据处置数量,与每个所述路径池化层单元间的医学数据传递数量,认定的医学数据处置传递数量,因为池化层单元的医学数据处置数量,与每个所述路径池化层单元间的医学数据传递数量,表示人工智能内的每个池化层单元,还有池化层单元间的医学数据处置性能,而池化层单元的电子元件约束,软件达成的约束,或医学数据量的瞬时处置拥塞等,都会对池化层单元的医学数据处置性能,或池化层单元之间的医学数据传递数量,形成恒定或非恒定的作用;所以,涉及医学数据处置传递数量,等同于涉及人工智能的整体医学数据处置性能。
凭借不一样路径的医学数据量,对迟滞医学数据执行认定,就像医学数据量高的路径迟滞高点,或者医学数据量大的路径迟滞低点,都行,凭借服务的真实要求执行灵活设定就行。
B-2:若所述医学数据处置传递数量不低于医学数据量的临界数,把所述路径数据相应的迟滞医学数据设成迟滞时长一,不然把所述迟滞医学数据设成迟滞时长二,另外所述迟滞时长一的时长高过所述迟滞时长二的时长。
B-3:凭借所述基于池化层单元的医学数据与所述迟滞医学数据,导出所述基于池化层单元的医学数据。
B-4:凭借所述基于池化层单元的医学数据与所述迟滞医学数据,导出所述基于池化层单元的医学数据;所述路径数据,关键要顾及路径池化层单元的医学数据处置数量,与路径池化层单元间的医学数据传递数量,构成全部路径的整体医学数据量,凭借不一样路径的医学数据量,对迟滞医学数据执行认定,就像医学数据量高的路径迟滞高点,或者医学数据量大的路径迟滞低点都行,凭借服务的真实要求执行灵活设定就行,都行,凭借服务的真实要求执行灵活设定就行,凭借医学数据量执行迟滞医学数据的认定的方式,能够顾及池化层单元网络中的各池化层单元的处置性能,改善全体人工智能的处置功效。
凭借事先设置的医学数据量的临界数,把不低于所述医学数据量的临界数的路径的迟滞医学数据,设成高过所述医学数据量的临界数的路径的迟滞医学数据,把人工智能内,医学数据量大的路径的迟滞加大后,能减小医学数据量高的路径的医学数据处置量大的问题,改变全体人工智能的处置量。
一种人工智能下的医学数据传递方式,包括:
C-1:凭借现时池化层单元运算出的基于池化层单元的医学数据,得到与所述基于池化层单元的医学数据相应的路径数据,所述路径数据,包括所述基于池化层单元的医学数据由所述现时池化层单元传递到目标池化层单元所途径的全部路径池化层单元的医学数据,还有每个所述路径池化层单元间的关联医学数据;所述路径数据,包括:凭借各所述路径池化层单元的数量,与每个所述路径池化层单元间的相连数量,认定的误差量。
涉及各所述路径池化层单元间的数量,与每个所述路径池化层单元间的相连的总量,认定误差量,能够让路径误差不小的池化层单元的迟滞高过路径误差不大的池化层单元的迟滞,或者让路径误差不小的池化层单元的迟滞低于路径误差不大的池化层单元的迟滞,凭借服务的要求执行灵活的设定就行。
C-2:若所述误差量不低于误差临界数,把所述路径数据相应的迟滞医学数据设成迟滞时长三,不然就把所述迟滞医学数据设成迟滞时长四,另外所述迟滞时长三的时长高过所述迟滞时长四的时长。
凭借事先设置的误差临界数,依照误差量的大小,设定不一样迟滞医学数据,为根据具体情况而设的设定方式。
C-3:凭借所述基于池化层单元的医学数据与所述迟滞医学数据,导出所述基于池化层单元的医学数据。
C-4:凭借所述基于池化层单元的医学数据与所述迟滞医学数据,导出所述基于池化层单元的医学数据.
这样,凭借路径池能把化层单元的数量,或者每个路径池化层单元间的相连数量,认定路径的误差量,还凭借所述路径的误差量,认定迟滞医学数据,能把误差量不小的路径的迟滞设成高过误差量不大的路径的迟滞,变动误差量高的路径的医学数据处置量大的问题,让全体人工智能的处置速率增大;亦能让误差量不大的路径的迟滞设成不小的迟滞,来让全体人工智能的医学数据的同步性更佳。
所述人工智能下的医学数据传递方式,包括:
D-1:把所述基于池化层单元的医学数据与所述迟滞医学数据,依照导出的医学数据编码算法执行编码后,形成所述现时池化层单元的导出的医学数据。
所述导出的医学数据编码算法,包括把所述基于池化层单元的医学数据与所述迟滞医学数据,依照设定的数据转化算法,转化成事先设置容量的字节数医学数据,就像一字节的医学数据,接着把所述基于池化层单元的医学数据的字节数医学数据,与所述迟滞医学数据的字节数医学数据结合,得到所述现时池化层单元的导出的医学数据。
D-2:导出所述现时池化层单元的导出的医学数据。
就像在池化层单元收受到的路径数据内,具有所述基于池化层单元的医学数据与所述迟滞医学数据的字节,运用路径数据导出所述基于池化层单元的医学数据与所述迟滞医学数据,来让收受到所述路径数据的池化层单元,凭借所述迟滞医学数据对所述基于池化层单元的医学数据执行处置,就像凭借所述迟滞医学数据,在收受到所述基于池化层单元的医学数据的时段下,不对所述基于池化层单元的医学数据执行处置,而在所述时延医学数据指定的之后的时段,接着对所述基于池化层单元的医学数据执行处置。
把所述基于池化层单元的医学数据与所述迟滞医学数据,依照导出的医学数据编码算法执行编码后,形成现时池化层单元的导出的医学数据后并导出;就像把所述基于池化层单元的医学数据与所述迟滞医学数据,都编码在路径数据内导出,来让收受到具有迟滞医学数据的路径数据的池化层单元,凭借所述时延医学数据对所述基于池化层单元的医学数据执行处置,改善了池化层单元导出的医学数据的医学数据量,完善了池化层单元的运行模式,加强了全体网络的准确效应。
一种人工智能下的医学数据传递方式,包括:
E-1:得到所述现时池化层单元的导出启动时点。
所述现时池化层单元的导出启动时点,包括在一人工智能的服务启动时设置的每个池化层单元的导出启动时点,现时池化层单元得到所述导出启动时点后,在所述导出启动时点,启动导出所述基于池化层单元的医学数据。
E-2:在所述导出启动时点,凭借所述迟滞医学数据认定的时延,迟滞导出所述基于池化层单元的医学数据。
在所述导出启动时点启动后,凭借所述迟滞医学数据认定的迟滞时长,对所述基于池化层单元的医学数据执行迟滞导出,把所述迟滞医学数据运用划分时间片的方式执行,在所述迟滞医学数据认定的迟滞时长后,径直导出所述基于池化层单元的医学数据就行。
认定现时池化层单元的导出启动时点,且在所述导出启动时点,在迟滞医学数据认定的迟滞时长后,分配所述基于池化层单元的医学数据。在导出所述基于池化层单元的医学数据时,把迟滞医学数据,用划分时间片的方式整合至现时基于池化层单元的医学数据的导出中,完善了池化层单元的运行模式,加大了全体人工智能的准确效应。
所述路径数据,主要涉及路径池化层单元的医学数据处置数量,与路径池化层单元间的医学数据传递数量,形成全体路径的总的医学数据量。凭借不一样路径的医学数据量,对迟滞医学数据执行认定,就像医学数据量大的路径迟滞大些,或医学数据量大的路径迟滞小些,都行,凭借服务的真实要求执行灵活设定就行;凭借医学数据量执行迟滞医学数据的认定的方式,能够涉及池化层单元网络中的各池化层单元的处置性能,改善全体人工智能的处置功效;凭借事先设置的医学数据量的临界数,把不低于所述医学数据量的临界数的路径的迟滞医学数据,设成高过所述医学数据量的临界数的路径的迟滞医学数据;把人工智能内,医学数据量大的路径的迟滞增大后,能减小医学数据量大的路径的医学数据处置量大的问题,调节全体人工智能的处置量。凭借路径池化层单元的数量,或各路径池化层单元之间的相连数量,认定路径的误差量,并凭借所述路径的误差量,认定迟滞医学数据,能把误差量不小的路径的迟滞设成高过误差量不大的路径的迟滞,调节误差量大的路径的医学数据处置量大的问题,让全体人工智能的处置更加的高效。亦能让误差量不大的路径的迟滞设成不小,来让全体人工智能的医学数据的同步性更佳。凭借路径池化层单元的数量,或各路径池化层单元之间的相连数量,认定路径的误差量,并凭借所述路径的误差量,认定迟滞医学数据,把误差量不小的路径的迟滞设成高过误差量不大的路径的迟滞,调节误差量大的路径的医学数据处置量大的问题,使得全体人工智能的处置更加的高效。把所述基于池化层单元的医学数据和所述迟滞医学数据,依照导出的医学数据编码算法执行编码后,形成现时池化层单元的导出的医学数据后并导出。如把所述基于池化层单元的医学数据和所述迟滞医学数据,均编码在路径数据中导出,来让收受到具有迟滞医学数据的路径数据的池化层单元,凭借所述迟滞时长医学数据对所述基于池化层单元的医学数据执行处置。提高了池化层单元导出的医学数据的医学数据量,完善了池化层单元的运行模式,加强了全体网络的准确效应。认定现时池化层单元的导出启动时点,并在所述导出启动时点,在述迟滞医学数据认定的迟滞时长后,发放所述基于池化层单元的医学数据。在导出所述基于池化层单元的医学数据时,把迟滞医学数据,用划分时间片的方式融合到现时基于池化层单元的医学数据的导出中,完善了池化层单元的运行模式,加强了全体人工智能的准确效应。
以上以用实施例说明的方式对本发明作了描述,本领域的技术人员应当理解,本公开不限于以上描述的实施例,在不偏离本发明的范围的情况下,能够做出各种变化、改变和替换。
Claims (8)
1.一种基于医学数据及人工智能的真实世界研究方法,其特征在于,包括:
A-1:凭借现时池化层单元运算出的基于池化层单元的医学数据,得到与所述基于池化层单元的医学数据对应的路径数据,所述路径数据,包括所述基于池化层单元的医学数据经所述现时池化层单元传递到目标池化层单元所途径的全部路径池化层单元的医学数据,还有每个所述路径池化层单元间的关联医学数据;
A-2:凭借所述路径数据,得到同所述路径数据相应的迟滞医学数据;
A-3:凭借所述基于池化层单元的医学数据与所述迟滞医学数据,导出所述基于池化层单元的医学数据。
2.根据权利要求1所述的基于医学数据及人工智能的真实世界研究方法,其特征在于,所述路径数据,包括池化层单元层级的服务设置后,池化层单元间的恒定的路径关联,亦在一服务内,现时池化层单元能够凭借运算得出的不一样的导出的医学数据,给所述导出的医学数据主动择取的路径;包括给出现时池化层单元到目标池化层单元间所需的途径的恒定的途径路径池化层单元的数量,或者给出现时池化层单元至目标池化层单元间的恒定的路径下基于池化层单元的医学数据。
3.根据权利要求1所述的基于医学数据及人工智能的真实世界研究方法,其特征在于,在一基于池化层单元的医学数据被运算出来后,经由事先设置的路径规范,得到路径数据,了解现时池化层单元所要导出的基于池化层单元的医学数据所要途径的路径数据;还包括途径何处路径池化层单元,另外全部路径池化层单元间的相连结构,依照事先设定的编码的次序相连,或凭借医学数据量执行机动变化。
4.根据权利要求1所述的基于医学数据及人工智能的真实世界研究方法,其特征在于,所述凭借所述路径数据,得到的所述路径数据相应的迟滞医学数据,包括凭借路径数据的设定的基于池化层单元的医学数据的传递迟滞时长;
凭借所述基于池化层单元的医学数据与所述迟滞医学数据,导出所述基于池化层单元的医学数据,包括把所述一对医学数据合并导出,或在所述迟滞医学数据认定的迟滞时长后导出所述基于池化层单元的医学数据,把所述迟滞医学数据包含在所述基于池化层单元的医学数据的导出中。
5.根据权利要求1所述的基于医学数据及人工智能的真实世界研究方法,其特征在于,所述人工智能下医学数据传递方式,包括:
B-1:凭借现时池化层单元运算出的基于池化层单元的医学数据,得到与所述基于池化层单元的医学数据相应的路径数据,所述路径数据,包括所述基于池化层单元的医学数据经所述现时池化层单元传递到目标池化层单元所途径的全部路径池化层单元的医学数据,还有每个所述路径池化层单元间的关联医学数据;所述路径数据,包括:凭借每个所述路径池化层单元的医学数据处置数量,同每个所述路径池化层单元间的医学数据传递数量,认定的医学数据处置传递数量;
B-2:若所述医学数据处置传递数量不低于医学数据量的临界数,把所述路径数据相应的迟滞医学数据设成迟滞时长一,不然把所述迟滞医学数据设成迟滞时长二,另外所述迟滞时长一的时长高过所述迟滞时长二的时长;
B-3:凭借所述基于池化层单元的医学数据与所述迟滞医学数据,导出所述基于池化层单元的医学数据;
B-4:凭借所述基于池化层单元的医学数据与所述迟滞医学数据,导出所述基于池化层单元的医学数据;所述路径数据,关键要顾及路径池化层单元的医学数据处置数量,与路径池化层单元间的医学数据传递数量,构成全部路径的整体医学数据量,凭借不一样路径的医学数据量。
6.一种人工智能下的医学数据传递方式,其特征在于,包括:
C-1:凭借现时池化层单元运算出的基于池化层单元的医学数据,得到与所述基于池化层单元的医学数据相应的路径数据,所述路径数据,包括所述基于池化层单元的医学数据由所述现时池化层单元传递到目标池化层单元所途径的全部路径池化层单元的医学数据,还有每个所述路径池化层单元间的关联医学数据;
涉及各所述路径池化层单元间的数量,与每个所述路径池化层单元间的相连的总量,认定误差量,能够让路径误差不小的池化层单元的迟滞高过路径误差不大的池化层单元的迟滞,或者让路径误差不小的池化层单元的迟滞低于路径误差不大的池化层单元的迟滞,凭借服务的要求执行灵活的设定就行。
C-2:若所述误差量不低于误差临界数,把所述路径数据相应的迟滞医学数据设成迟滞时长三,不然就把所述迟滞医学数据设成迟滞时长四,另外所述迟滞时长三的时长高过所述迟滞时长四的时长;
凭借事先设置的误差临界数,依照误差量的大小,设定不一样迟滞医学数据,为根据具体情况而设的设定方式;
C-3:凭借所述基于池化层单元的医学数据与所述迟滞医学数据,导出所述基于池化层单元的医学数据;
C-4:凭借所述基于池化层单元的医学数据与所述迟滞医学数据,导出所述基于池化层单元的医学数据。
7.一种人工智能下的医学数据传递方式,其特征在于,包括:
D-1:把所述基于池化层单元的医学数据与所述迟滞医学数据,依照导出的医学数据编码算法执行编码后,形成所述现时池化层单元的导出的医学数据;
所述导出的医学数据编码算法,包括把所述基于池化层单元的医学数据与所述迟滞医学数据,依照设定的数据转化算法,转化成事先设置容量的字节数医学数据;
D-2:导出所述现时池化层单元的导出的医学数据。
8.一种人工智能下的医学数据传递方式,其特征在于,包括:
E-1:得到所述现时池化层单元的导出启动时点;
所述现时池化层单元的导出启动时点,包括在一人工智能的服务启动时设置的每个池化层单元的导出启动时点,现时池化层单元得到所述导出启动时点后,在所述导出启动时点,启动导出所述基于池化层单元的医学数据;
E-2:在所述导出启动时点,凭借所述迟滞医学数据认定的时延,迟滞导出所述基于池化层单元的医学数据;
在所述导出启动时点启动后,凭借所述迟滞医学数据认定的迟滞时长,对所述基于池化层单元的医学数据执行迟滞导出,把所述迟滞医学数据运用划分时间片的方式执行,在所述迟滞医学数据认定的迟滞时长后,径直导出所述基于池化层单元的医学数据就行;
认定现时池化层单元的导出启动时点,且在所述导出启动时点,在迟滞医学数据认定的迟滞时长后,分配所述基于池化层单元的医学数据。在导出所述基于池化层单元的医学数据时,把迟滞医学数据,用划分时间片的方式整合至现时基于池化层单元的医学数据的导出中,完善了池化层单元的运行模式,加大了全体人工智能的准确效应。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010879769.0A CN112349419A (zh) | 2020-08-27 | 2020-08-27 | 一种基于医学数据及人工智能的真实世界研究方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010879769.0A CN112349419A (zh) | 2020-08-27 | 2020-08-27 | 一种基于医学数据及人工智能的真实世界研究方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112349419A true CN112349419A (zh) | 2021-02-09 |
Family
ID=74357900
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010879769.0A Pending CN112349419A (zh) | 2020-08-27 | 2020-08-27 | 一种基于医学数据及人工智能的真实世界研究方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112349419A (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170235503A1 (en) * | 2016-02-12 | 2017-08-17 | Pure Storage, Inc. | Managing input/output ('i/o') queues in a data storage system |
WO2017196872A1 (en) * | 2016-05-09 | 2017-11-16 | Wayne State University | Orthogonal approach to integrate independent omic data |
CN108182316A (zh) * | 2017-12-27 | 2018-06-19 | 杭州泛利科技有限公司 | 一种基于人工智能的电磁仿真方法及其电磁大脑 |
CN109981252A (zh) * | 2019-03-12 | 2019-07-05 | 中国科学院信息工程研究所 | 一种基于关键路径加密的人工智能处理器安全增强系统及方法 |
WO2019136762A1 (zh) * | 2018-01-15 | 2019-07-18 | 深圳鲲云信息科技有限公司 | 人工智能处理器、及其所应用的处理方法 |
WO2019167884A1 (ja) * | 2018-02-28 | 2019-09-06 | 富士フイルム株式会社 | 機械学習方法及び装置、プログラム、学習済みモデル、並びに判別装置 |
CN110472028A (zh) * | 2019-07-25 | 2019-11-19 | 珠海九松科技有限公司 | 基于人工智能和大数据的医学问题自动回答系统和方法 |
CN110706223A (zh) * | 2019-09-30 | 2020-01-17 | 辽宁万象联合医疗科技有限公司 | 人工智能的深度学习方法及基于人工智能的医学放射影像胸部摄片的质量控制方法 |
US20200026952A1 (en) * | 2018-07-17 | 2020-01-23 | Samsung Electronics Co., Ltd. | Electronic apparatus, method for processing image and computer-readable recording medium |
US20200134062A1 (en) * | 2018-10-29 | 2020-04-30 | International Business Machines Corporation | Determining a storage pool to store changed data objects indicated in a database |
CN111476344A (zh) * | 2019-01-23 | 2020-07-31 | 三星电子株式会社 | 多径神经网络、资源分配的方法及多径神经网络分析器 |
-
2020
- 2020-08-27 CN CN202010879769.0A patent/CN112349419A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170235503A1 (en) * | 2016-02-12 | 2017-08-17 | Pure Storage, Inc. | Managing input/output ('i/o') queues in a data storage system |
WO2017196872A1 (en) * | 2016-05-09 | 2017-11-16 | Wayne State University | Orthogonal approach to integrate independent omic data |
CN108182316A (zh) * | 2017-12-27 | 2018-06-19 | 杭州泛利科技有限公司 | 一种基于人工智能的电磁仿真方法及其电磁大脑 |
WO2019136762A1 (zh) * | 2018-01-15 | 2019-07-18 | 深圳鲲云信息科技有限公司 | 人工智能处理器、及其所应用的处理方法 |
WO2019167884A1 (ja) * | 2018-02-28 | 2019-09-06 | 富士フイルム株式会社 | 機械学習方法及び装置、プログラム、学習済みモデル、並びに判別装置 |
US20200026952A1 (en) * | 2018-07-17 | 2020-01-23 | Samsung Electronics Co., Ltd. | Electronic apparatus, method for processing image and computer-readable recording medium |
US20200134062A1 (en) * | 2018-10-29 | 2020-04-30 | International Business Machines Corporation | Determining a storage pool to store changed data objects indicated in a database |
CN111476344A (zh) * | 2019-01-23 | 2020-07-31 | 三星电子株式会社 | 多径神经网络、资源分配的方法及多径神经网络分析器 |
CN109981252A (zh) * | 2019-03-12 | 2019-07-05 | 中国科学院信息工程研究所 | 一种基于关键路径加密的人工智能处理器安全增强系统及方法 |
CN110472028A (zh) * | 2019-07-25 | 2019-11-19 | 珠海九松科技有限公司 | 基于人工智能和大数据的医学问题自动回答系统和方法 |
CN110706223A (zh) * | 2019-09-30 | 2020-01-17 | 辽宁万象联合医疗科技有限公司 | 人工智能的深度学习方法及基于人工智能的医学放射影像胸部摄片的质量控制方法 |
Non-Patent Citations (4)
Title |
---|
LIU, YL,等: "Detecting Diseases by Human-Physiological-Parameter-Based Deep Learning", IEEE ACCESS, vol. 07, pages 22002 - 22010 * |
曾晓天,等: "人工智能在医学大数据标准化体系建设中的研究进展", 北京生物医学工程, no. 06, pages 639 - 643 * |
衡威,等: "基于神经网络的二进制文本特征提取", 通信技术, vol. 52, no. 12, pages 2881 - 2887 * |
陈刚,等: "政务云、大数据、人工智能三位一体", 中国信息化, no. 07, pages 46 - 49 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103441816B (zh) | 在无线接入系统中发送数据的装置及信道编码方法 | |
CN1096163C (zh) | 码分多址系统中提供译码器位数据的方法及多速率译码器 | |
CN101651709B (zh) | 一种p2p下载文件完整性校验方法 | |
CN101958720B (zh) | 缩短Turbo乘积码的编译码方法 | |
CN102651229B (zh) | 半导体装置和数据处理方法 | |
CN109327226B (zh) | 极化码的编译码方法、装置及设备 | |
CN101969311B (zh) | 一种高速并行分段交错维特比译码方法 | |
CN110391872A (zh) | 极化码的编译码方法和装置 | |
CN106598889A (zh) | 一种基于fpga夹层板的sata主控器 | |
CN104579541A (zh) | 一种无线通信系统媒体接入层(mac层)协议数据单元(pdu)的构造方法 | |
CN103546239A (zh) | 一种用于lte下行控制信道的盲检系统及其盲检方法 | |
CN112349419A (zh) | 一种基于医学数据及人工智能的真实世界研究方法 | |
CN102801981B (zh) | 一种基于jpeg-ls算法的多路压缩内核并行编码的控制方法 | |
CN109286471A (zh) | 面向srio控制器的crc校验方法及装置 | |
CN109873686A (zh) | 一种基于极化码的5g广播信道合并接收方法 | |
CN116204325B (zh) | 一种基于aigc的算法训练平台 | |
CN105681425B (zh) | 基于分布式存储系统的多节点修复方法及其系统 | |
CN106209307A (zh) | 多颗fpga片间互联方法与系统 | |
CN103259628B (zh) | 基于模型匹配的误码率估算方法及装置 | |
CN111193254A (zh) | 一种住宅日用电负荷预测方法和设备 | |
CN110149242A (zh) | 一种支持srio与以太网的协议转换功能验证装置及方法 | |
CN105138379A (zh) | 一种基于Ymodem协议的在线升级方法 | |
CN110808740B (zh) | 删节信道下基于极化码的低复杂度译码方法 | |
CN111539029B (zh) | 基于工业互联网的大数据存储速率优化方法及云计算中心 | |
CN106664154B (zh) | 确定前向纠错帧边界的方法、装置和解码系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |