申请/专利权人：通用电气公司

申请日：2019-10-16

公开（公告）日：2024-04-23

公开（公告）号：CN111127389B

主分类号：G06T7/00

分类号：G06T7/00

优先权：["20181031 US 16/176,980"]

专利状态码：有效-授权

法律状态：2024.04.23#授权;2020.06.02#实质审查的生效;2020.05.08#公开

摘要：本发明题为“用于医疗保健的可扩展人工智能模型生成系统和方法”。本发明公开了使用合成数据来生成人工智能模型的系统和方法。示例性系统包括深度神经网络DNN生成器以使用第一真实数据来生成第一DNN模型。该示例性系统包括合成数据生成器以由该第一真实数据生成第一合成数据，该第一合成数据将由该DNN生成器用来生成第二DNN模型。该示例性系统包括评估器以评估该第一DNN模型和该第二DNN模型的性能，从而确定是否要生成第二合成数据。该示例性系统包括合成数据聚合器以聚合来自多个站点的第三合成数据和第四合成数据，从而形成合成数据集。该示例性系统包括人工智能模型部署处理器以部署使用该合成数据集训练和测试的人工智能模型。

主权项：1.一种人工智能模型生成系统，包括：深度神经网络DNN生成器1310，所述DNN生成器用于使用第一真实数据生成第一DNN模型，所述第一真实数据包括从成像设备、传感器、实验室测试和或其他数据源获得的医疗数据；合成数据生成器1320，所述合成数据生成器用于从所述第一真实数据生成第一合成数据，所述第一合成数据将由所述DNN生成器用来生成第二DNN模型；生成式对抗网络GAN生成器1315，所述GAN生成器用于生成待由所述合成数据生成器用来生成合成数据的GAN模型；评估器1325，所述评估器用于基于所述第一DNN模型和所述第二DNN模型的输出来评估所述第一DNN模型和所述第二DNN模型的性能，其中所述评估器被配置用于：i对所述第一DNN模型的第一输出和所述第二DNN模型的第二输出进行比较以确定所述第一DNN模型的性能与所述第二DNN模型的性能是否一致；ii在所述比较指示所述第一DNN模型的性能与所述第二DNN模型的性能不一致时，使用所述合成数据生成器利用从真实数据存储区获得的第二真实数据来训练所述GAN模型以生成第二合成数据，将所述第二合成数据汇集在全球数据集1070中以便训练所述第二DNN模型，并且然后重复所述比较；以及iii在所述比较指示所述第一DNN模型的性能与所述第二DNN模型的性能一致时，使用所述合成数据生成器从第一站点生成第三合成数据；合成数据聚合器1355，所述合成数据聚合器用于聚合来自所述第一站点的所述第三合成数据和来自第二站点的第四合成数据以形成所述全球数据集；和人工智能模型生成器1080，所述人工智能模型生成器用于生成和部署使用所述全球数据集训练和测试的人工智能模型。

全文数据：

权利要求：

百度查询： 通用电气公司 用于医疗保健的可扩展人工智能模型生成系统和方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD