买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广州易睿智影科技有限公司申请的专利实现持续深度学习模型实时监管的优选集成系统及方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114822820B 。

龙图腾网通过国家知识产权局官网在2025-11-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210496285.7，技术领域涉及：G16H50/20；该发明授权实现持续深度学习模型实时监管的优选集成系统及方法是由李建;金林原;张艳芬;张敏;李洪新;王静超;廖杰科设计研发完成，并于2022-05-09向国家知识产权局提交的专利申请。

本实现持续深度学习模型实时监管的优选集成系统及方法在说明书摘要公布了：本发明公开了实现持续深度学习模型实时监管的优选集成系统及方法，包括持续学习子系统、数据处理模块、优选模型生成模块、诊断模块、数据存储模块、病理类型数据库、病理疾病数据库、优选模型数据库和超声PACS子系统，实现方法包括步骤一，数据集构建；步骤二，算法优选；步骤三，系统开发；步骤四，系统应用；本发明的集成系统采用模型优选的方法进行设计，实现了对模型的监管，可以保证集成系统诊断性能的稳定；本发明的集成系统具有持续学习能力，其诊断能力随着阶段学习不断提高，保证了诊断结果的准确性；本发明采用模型集成化设计，集成系统可以输出多种诊断结果，为医师鉴别疾病起了非常重要的辅助作用。

本发明授权实现持续深度学习模型实时监管的优选集成系统及方法在权利要求书中公布了：1.实现持续深度学习模型实时监管的优选集成系统的实现方法，系统包括持续学习子系统1和超声PACS子系统2，其特征在于：所述持续学习子系统1包括数据处理模块11、优选模型生成模块12、诊断模块13和数据存储模块14，超声PACS子系统2数据连接有数据处理模块11，数据处理模块11数据连接有优选模型生成模块12、诊断模块13和数据存储模块14，且优选模型生成模块12和诊断模块13均与数据存储模块14建立数据连接，诊断模块13与超声PACS子系统2建立数据连接，所述数据存储模块14包括肿块良恶性数据库140、病理类型数据库141、病理疾病数据库142和优选模型数据库143，且肿块良恶性数据库140、病理类型数据库141和病理疾病数据库142均与数据处理模块11建立数据连接，优选模型数据库143与优选模型生成模块12和诊断模块13建立数据连接； 实现方法，包括步骤一，数据集构建；步骤二，算法优选；步骤三，系统开发；步骤四，系统应用； 其中上述步骤一中，数据集构建包括以下步骤： 1构建实验数据集：选取499例有病理结果的超声乳腺病例用于训练，收集乳腺超声良性肿块图像965幅，恶性图像肿块965幅，分别随机选取800幅用于训练，165幅用于测试，构建实验数据集Experimentaldataset，EDS； 2构建肿块良恶性诊断测试数据集：选取130例病例作为测试数据集Testdataset，TDS，在用于测试的病例中选取良性肿块图像200幅和恶性肿块图像200幅，用于构建肿块良恶性诊断测试数据集Benignandmalignantdiagnostictestdataset，BMTDS； 3构建病理类型诊断测试数据集：根据病理诊断结果的病理类型， 选取浸润性非特殊癌200幅图像作为正类，其它病理类型图像中随机选200幅图像作为负类，构建病理类型诊断测试数据集Pathologicaltypediagnostictestdataset，PTTDS； 4构建病理疾病诊断测试数据集：根据病理疾病诊断结果，选取乳腺浸润性导管癌200幅图像作为正类，在其它病理疾病图像中随机选200幅图像作为负类，构建病理疾病诊断测试数据集Pathologicaldiseasediagnosistestdataset，PDTDS； 其中上述步骤二中，算法优选包括以下步骤： 1选择较优的算法：选取目前比较常用的算法13个分别开发诊断模型，通过上述步骤一中所获取的EDS训练模型并用BMTDS对模型进行测试，获取诊断模型的AUC值Areaunderthecurve，比较模型的诊断性能，从中选择5种诊断性能较优的算法； 2选择最优的算法：对5种算法进行了相互比较，分别用5种算法构建模型，采用BMTDS、PTTDS、PDTDS对肿块良恶性诊断、病理类型及病理疾病诊断性能进行测试和比较，在这5种算法中，选择AUC值最高的算法作为系统的开发算法； 其中上述步骤三中，基于上述步骤一中所构建的数据集和步骤二中所获取的最优的算法，利用python开发持续学习子系统1，并将其与超声PACS子系统2进行集成； 其中上述步骤四中，系统应用包括以下步骤： 1数据输入：医师通过超声PACS子系统2提供数据和图像给数据处理模块11，当图像为有病理结果的图像时，进入步骤2，当图像为没有病理结果的图像时，进入步骤3； 2持续学习：当数据处理模块11接收到有病理结果的图像时，自动对图像进行分类和构建数据集，分别构建肿块良恶性数据集Benignandmalignantset，BMS、病理类型数据集Pathologicaltypeset，PTS和病理疾病数据集Pathologicaldiseaseset，PDS；当良性与恶性图像达到预设数量时，优选模型生成模块12自动启动，进行模型训练与测试，通过步骤2中构建的BMS、PTS和PDS分别训练出3组模型，每组模型完成训练后，保存该组模型中最后的8个模型进行测试，自动选择AUC值最高的模型作为该组模型中的最优模型，当3种模型都训练完成后，模型测试子模块121分别采用3种最优模型对TDS进行综合测试并输出结果；模型训练与测试的具体步骤为： a模型训练子模块120通过BMS训练并保存良恶性诊断模型，完成训练后，在保存的模型中选择最后8个模型进行测试，即自动启动模型测试子模块121对BMTDS进行测试，自动选择AUC值最高的模型作为良恶性诊断优选模型BenignandmalignantdiagnosticOptimizationmodel，BM_OM，并输出和保存原始记录； b模型训练子模块120通过PTS训练并保存病理类型模型，完成训练后，在保存的模型中选择最后8个模型进行测试，即自动启动模型测试子模块121对PTTDS进行测试，自动选择AUC值最高的模型作为病理类型诊断优选模型PathologicaltypediagnosticOptimizationmodel，PT_OM，并输出和保存原始记录； c模型训练子模块120通过PDS训练并保存病理疾病模型，完成训练后，在保存的模型中选择最后8个模型进行测试，即自动启动模型测试子模块121对PDTDS进行测试，自动选择AUC值最高的模型作为病理疾病诊断优选模型PathologicaldiseasediagnosisOptimizationmodel，PD_OM，并输出和保存原始记录； 3自动诊断：当数据处理模块11接收到没有病理结果的图像时，数据处理模块11把图像传给诊断模块13，诊断模块13首先采用BM_OM对肿块图像进行良恶性诊断，除获得良恶性诊断结果外，选择恶性概率最高的图像，通过PT_OM进行病理类型诊断，通过PD_OM进行病理疾病诊断，完成诊断后返回结果给超声PACS子系统2。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广州易睿智影科技有限公司，其通讯地址为：510000 广东省广州市天河区中山大道中1196号3栋502房；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。