一种基于大数据和机器学习的新生儿肺脏超声智能分析系统的制作方法
技术特征:
1.一种基于大数据和机器学习的新生儿肺脏超声智能分析系统,所述新生儿肺脏超声智能分析系统包括服务器,其特征在于,所述新生儿肺脏超声智能分析系统还包括数据采集模块、机器学习模块、结果输出模块、反馈学习模块、分析模块,所述服务器分别与所述数据采集模块、机器学习模块、结果输出模块、反馈学习模块和分析模块连接;
2.根据权利要求1所述的基于大数据和机器学习的新生儿肺脏超声智能分析系统,其特征在于,所述数据采集模块包括数据采集单元和数据传输单元,所述数据传输单元供不同来源的设备进行数据传输,所述数据采集单元将数据传输单元传输的数据进行采集,并存储在所述服务器的数据库中;
3.根据权利要求2所述的基于大数据和机器学习的新生儿肺脏超声智能分析系统,其特征在于,所述特征提取单元根据以下步骤提取关键特征:
4.根据权利要求3所述的基于大数据和机器学习的新生儿肺脏超声智能分析系统,其特征在于,所述模型训练单元获取特征向量r作为深度学习模型的输入特征,并根据预测的目标类别输出对应目标类别的得分z:
5.根据权利要求4所述的基于大数据和机器学习的新生儿肺脏超声智能分析系统,其特征在于,所述结果输出模块包括显示单元和核验单元,所述核验单元对所述医护人员的身份进行核验,所述显示单元将评估结果向核验通过的所述医护人员进行显示;
6.根据权利要求5所述的基于大数据和机器学习的新生儿肺脏超声智能分析系统,其特征在于,所述反馈学习模块包括反馈单元、评分单元和触发单元,所述评分单元供所述医护人员对所述评估结果进行评分,所述反馈单元将所述评分单元的评分传输至触发单元中,所述触发单元获取反馈单元的平均评分与设定的优化阈值比较,若平均评分低于设定的优化阈值时,触发模型优化。
7.根据权利要求6所述的基于大数据和机器学习的新生儿肺脏超声智能分析系统,其特征在于,所述分析模块包括数据接收单元、数据整合单元和报告生成单元,所述数据接收单元用于接收来自机器学习模块的优化后的评估结果,所述数据整合单元将分析结果与相关联的辅助数据进行整合,形成分析视图结构,所述报告生成单元用于自动生成详细的分析报告;
8.根据权利要求7所述的基于大数据和机器学习的新生儿肺脏超声智能分析系统,其特征在于,所述深度学习模块的优化步骤包括:
9.根据权利要求8所述的基于大数据和机器学习的新生儿肺脏超声智能分析系统,其特征在于,所述目标类别包括健康和病变。
10.根据权利要求9所述的基于大数据和机器学习的新生儿肺脏超声智能分析系统,其特征在于,所述报告生成单元包括报告生成器和自然语言生成器,所述自然语言生成器将分析结果转换为易于理解的自然语言描述,所述报告生成器将自然语言生成器的描述插入预定义的模板和格式中,并自动生成报告。
技术总结
本发明涉及医疗器械技术领域,本发明提供了一种基于大数据和机器学习的新生儿肺脏超声智能分析系统,包括服务器、数据采集模块、机器学习模块、结果输出模块、反馈学习模块、分析模块,服务器分别与数据采集模块、机器学习模块、结果输出模块、反馈学习模块和分析模块连接;数据采集模块采集从不同来源收集得到的新生儿肺脏超声影像数据,机器学习模块根据数据采集模块采集得到的新生儿肺脏超声影像数据进行评估形成评估结果,结果输出模块将机器学习模块的评估结果向医护人员进行输出,反馈学习模块采集医护人员的反馈数据,并触发机器学习模块进行自我优化,分析模块将机器学习模块优化后的评估结果进行分析,并生成分析报告。
技术研发人员:孟琼,许德博,梁振宇,陈娜,张志钢
受保护的技术使用者:广东省第二人民医院(广东省卫生应急医院)
技术研发日:
技术公布日:2024/11/26
技术研发人员:孟琼,许德博,梁振宇,陈娜,张志钢
技术所有人:广东省第二人民医院(广东省卫生应急医院)
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除