申请/专利权人:无锡祥生医疗科技股份有限公司
申请日:2019-12-27
公开(公告)日:2021-07-16
公开(公告)号:CN113128528A
主分类号:G06K9/62(20060101)
分类号:G06K9/62(20060101);G06N3/04(20060101);G06T7/00(20170101);G16H30/40(20180101)
优先权:
专利状态码:在审-实质审查的生效
法律状态:2021.08.03#实质审查的生效;2021.07.16#公开
摘要:本发明提供一种超声影像深度学习分布式训练系统,包括相连接的云端协调节点和若干个训练节点;云端协调节点至少用于,对于病种保存相应的初始诊断模型;协调各个训练节点的训练任务,包括:根据训练节点状态下发相应病种的初始诊断模型和相应的训练配置信息到各个训练节点,对各训练节点训练得到的本地诊断模型进行回收,更新自身保存的相应病种的诊断模型;训练节点至少用于,根据接收到的初始诊断模型结构和相应的训练配置信息,利用本地相应病种标记好的分类超声影像数据进行训练,得到对应的本地诊断模型,形成模型更新信息并上传至云端协调节点。
主权项:1.一种超声影像深度学习分布式训练系统,其特征在于,包括相连接的云端协调节点和若干个训练节点;云端协调节点至少用于,对于病种保存相应的初始诊断模型;协调各个训练节点的训练任务,包括:根据训练节点状态下发相应病种的初始诊断模型和相应的训练配置信息到各个训练节点,对各训练节点训练得到的本地诊断模型进行回收,更新自身保存的相应病种的诊断模型;训练节点至少用于,根据接收到的初始诊断模型结构和相应的训练配置信息,利用本地相应病种标记好的分类超声影像数据进行训练,得到对应的本地诊断模型,形成模型更新信息并上传至云端协调节点。
全文数据:
权利要求:
百度查询: 无锡祥生医疗科技股份有限公司 超声影像深度学习分布式训练系统和训练方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。