本发明专利技术一种医疗云管平台，包括若干物联网传感器、云计算系统和终端控制系统，若干物联网传感器和终端控制系统分别与云计算系统建立数据连接。本发明专利技术医疗云管平台能够有效提升模型对对抗样本的抵抗能力，通过自注意力机制模块和上下文编码器，构建高分辨率光谱医疗废料图像中像素间的空间映射关系，获取全局上下文医疗废料图像特征，在受到对抗攻击污染的高分辨率光谱数据上，依然能保持优越的识别精度。
【技术实现步骤摘要】
医疗云管平台
本专利技术涉及医疗云管平台。
技术介绍
近年来，随着移动互联网的不断发展以及智能终端技术的日益成熟，“医疗云管平台”的概念正在逐步被人们所熟知。医疗云管平台是一种通过设备采集医疗数据，并将这些医疗数据借助移动互联网发送给终端的新型医疗管理方式。例如，当前医疗云管平台可以帮助患者在家中通过移动终端或者电脑实现预约挂号、付费结算等医疗流程。现有技术中的医疗云管平台不能够有效提升模型对对抗样本的抵抗能力，难以全局上下文医疗废料图像特征，在受到对抗攻击污染的高分辨率光谱数据上，无法保持优越的识别精度。
技术实现思路
本专利技术的目的是为了克服上述不足提供一种医疗云管平台。本专利技术提供一种医疗云管平台，包括若干物联网传感器、云计算系统和终端控制系统，若干物联网传感器和终端控制系统分别与云计算系统建立数据连接，所述物联网传感器采集医疗废料图像并发送至所述云计算系统，所述云计算系统对初始高分辨率光谱医疗废料图像进行标准化处理，得到标准高分辨率光谱医疗废料图像，然后对医疗废料图像分类并进行比对识别，所述终端控制系统根据分类结论对医疗废料进行筛选分类。本专利技术医疗云管平台能够有效提升模型对对抗样本的抵抗能力，通过自注意力机制模块和上下文编码器，构建高分辨率光谱医疗废料图像中像素间的空间映射关系，获取全局上下文医疗废料图像特征，在受到对抗攻击污染的高分辨率光谱数据上，依然能保持优越的识别精度。具体实施方式下面结合实施例进一步说明本专利技术。实施例：本专利技术提供一种医疗云管平台，包括若干物联网传感器、云计算系统和终端控制系统，若干物联网传感器和终端控制系统分别与云计算系统建立数据连接，所述物联网传感器采集医疗废料图像并发送至所述云计算系统，所述云计算系统对初始高分辨率光谱医疗废料图像进行标准化处理，得到标准高分辨率光谱医疗废料图像，然后对医疗废料图像分类并进行比对识别，所述终端控制系统根据分类结论对医疗废料进行筛选分类。整体模型包括一个基干模型、一个自注意力机制模块和一个上下文编码器，基干模型通过三个空洞卷积层和一个平均池化层来获取层次化医疗废料图像特征；随后，将基干模型获取的层次化医疗废料图像特征作为自注意力机制模块的输入，进行自注意力训练，构造像素间的空间映射关系，得到自注意力医疗废料图像特征；自注意力医疗废料图像特征随后作为上下文编码器的输入，训练全局上下文医疗废料图像特征；将标准高分辨率光谱医疗废料图像输入基干模型的第一个空洞卷积层进行处理，得到第一个空洞卷积层的医疗废料图像特征，然后将处理得到的第一个空洞卷积层的医疗废料图像特征输入第二个空洞卷积层进行处理，得到第二个空洞卷积层的医疗废料图像特征，再将处理得到的第二个空洞卷积层的医疗废料图像特征输入第一个池化层进行平均池化处理，得到第一个池化层的医疗废料图像特征，最后将处理得到的第一个池化层的医疗废料图像特征输入第三个空洞卷积层进行处理，得到第三个空洞卷积层的医疗废料图像特征。通过一个平均池化层将得到的第三个空洞卷积层的医疗废料图像特征进行平均池化处理，使其空间尺寸减半得到第二个池化层的医疗废料图像特征，将处理得到的第二个池化层的医疗废料图像特征分别输入到三个卷积层分别得到对应的第一卷积医疗废料图像特征图、第二卷积医疗废料图像特征图和第三卷积医疗废料图像特征图，将第一卷积医疗废料图像特征图、第二卷积医疗废料图像特征图和第三卷积医疗废料图像特征图调整到预设尺寸，并将第一卷积医疗废料图像特征图与第二卷积医疗废料图像特征图进行矩阵乘积计算，得到空间注意力医疗废料图，将得到的空间注意力医疗废料图与第三卷积医疗废料图像特征图进行矩阵乘积计算，得到新的第一医疗废料图像特征图，随后将新的第一医疗废料图像特征图调整到预设尺寸，对调整好尺寸的新的第一医疗废料图像特征图进行两倍双线性内插采集处理，得到新的第二医疗废料图像特征图，再利用一个卷积层对新的第二医疗废料图像特征图进行非线性映射处理，得到自注意力医疗废料图像特征。通过一个卷积层对输入的自注意力医疗废料图像特征进行降维处理，得到降维医疗废料图像特征图，将得到的降维医疗废料图像特征图调整到预设尺寸，利用调整好尺寸的降维医疗废料图像特征图中的全局统计数据来训练视觉中心的字典编码，计算降维医疗废料图像特征图与字典编码之间的标准化残差，对计算得到的标准化残差进行批标准化处理，得到全局上下文向量，利用一个全连接层将得到的全局上下文向量提高维度至预设维数，通过通道维度上的点乘对提高维度后的全局上下文向量进行处理，得到上下文医疗废料图像特征，对计算得到的上下文医疗废料图像特征进行两倍双线性内插上采集处理，并将结果与第一个空洞卷积层的医疗废料图像特征、第二个空洞卷积层的医疗废料图像特征采用串联的方式进行特征结合，得到结合后的医疗废料图像特征，将得到的结合医疗废料图像特征输入一个卷积层，利用归一化指数函数得到模型预测的医疗废料概率图，计算预测的医疗废料概率图与真实标签之间的交叉熵分类损失函数，通过梯度下降优化交叉熵分类损失函数，重复学习整体模型，直至整体模型稳定，得到学习好的整体模型，将待识别的目标医疗废料图像，输入到学习好的整体模型中，完成高分辨率光谱医疗废料图像的分类。所述物联网传感器对管理员进行人脸采集，云计算系统对采集的管理员人脸图像进行识别。管理员人脸识别方法，包括以下步骤：采用one-stage人脸目标检测模型对输入的管理员人脸图像进行人脸目标检测标出管理员人脸边界框；基于优化的元学习策略从自然图像质量评价任务中学习人眼视觉系统评价图像质量的先于经验的知识，所述基于优化的元学习策略适用于基于增量梯度下降优化的管理员人脸模型结构，其所用的自然图像质量评价任务数据库作为元学习策略的迭代任务集来学习人眼视觉系统评价图像质量的先于经验的知识；所述管理员人脸模型结构包括管理员人脸旋积神经模型和管理员人脸全连接层，对管理员人脸旋积神经模型的输出进行全局平均池化运算得到第一层全连接层，增加第二层全连接层生成管理员人脸深度神经回归模型的输出；对于输入的管理员人脸图像，将管理员人脸图像输入管理员人脸深度神经回归模型得到预估的管理员人脸图像质量分数；采用平均欧几里得距离作为损失函数来优化预估的管理员人脸图像质量分数与真实值之间的差距；采用双层增量梯度下降算法对管理员人脸深度神经回归模型进行优化，并使用自适应矩估计优化器对管理员人脸深度神经回归模型参数进行更新；学习到质量先验模型后，再使用少量管理员人脸图像图样对质量先验模型做进一步迭代优化，获得最终的管理员人脸可辨识度评价模型；将标出管理员人脸边界框的管理员人脸图像输入最终的管理员人脸可辨识度评价模型，输出得到可辨识管理员人脸图像；基于数据驱动策略建立管理员遮挡人脸图像分类模型，具体地，采用管理员无遮挡人脸识别数据库和管理员遮挡人脸检测数据库，迭代人脸识别模型，将可辨识管理员人脸图像输入迭代后的人脸识别模型并获取管理员人脸特征，采用支持向量机工具包中基于高斯核的支持向量机分类器对获取的管理员人脸特征进行分类，分别输出可辨识管理员无遮挡人脸与遮本文档来自技高网...
【技术保护点】
1.一种医疗云管平台，包括若干物联网传感器、云计算系统和终端控制系统，若干物联网传感器和终端控制系统分别与云计算系统建立数据连接，其特征在于，所述物联网传感器采集医疗废料图像并发送至所述云计算系统，所述云计算系统对初始高分辨率光谱医疗废料图像进行标准化处理，得到标准高分辨率光谱医疗废料图像，然后对医疗废料图像分类并进行比对识别，所述终端控制系统根据分类结论对医疗废料进行筛选分类。/n
【技术特征摘要】
1.一种医疗云管平台，包括若干物联网传感器、云计算系统和终端控制系统，若干物联网传感器和终端控制系统分别与云计算系统建立数据连接，其特征在于，所述物联网传感器采集医疗废料图像并发送至所述云计算系统，所述云计算系统对初始高分辨率光谱医疗废料图像进行标准化处理，得到标准高分辨率光谱医疗废料图像，然后对医疗废料图像分类并进行比对识别，所述终端控制系统根据分类结论对医疗废料进行筛选分类。
2.按权利要求1所述的医疗云管平台，其特征在于将标准高分辨率光谱医疗废料图像输入基干模型的第一个空洞卷积层进行处理，得到第一个空洞卷积层的医疗废料图像特征，然后将处理得到的第一个空洞卷积层的医疗废料图像特征输入第二个空洞卷积层进行处理，得到第二个空洞卷积层的医疗废料图像特征，再将处理得到的第二个空洞卷积层的医疗废料图像特征输入第一个池化层进行平均池化处理，得到第一个池化层的医疗废料图像特征，最后将处理得到的第一个池化层的医疗废料图像特征输入第三个空洞卷积层进行处理，得到第三个空洞卷积层的医疗废料图像特征。
3.按权利要求2所述的医疗云管平台，其特征在于通过一个平均池化层将得到的第三个空洞卷积层的医疗废料图像特征进行平均池化处理，使其空间尺寸减半得到第二个池化层的医疗废料图像特征，将处理得到的第二个池化层的医疗废料图像特征分别输入到三个卷积层分别得到对应的第一卷积医疗废料图像特征图、第二卷积医疗废料图像特征图和第三卷积医疗废料图像特征图，将第一卷积医疗废料图像特征图、第二卷积医疗废料图像特征图和第三卷积医疗废料图像特征图调整到预设尺寸，并将第一卷积医疗废料图像特征图与第二卷积医疗废料图像特征图进行矩阵乘积计算，得到空间注意力医疗废料图，将得到的空间注意力医疗废料图与第三卷积医疗废料图像特征图进行矩阵乘积计算，得到新的第一医疗废料图像特征图，随后将新的第一医疗废料图像特征图调整到预设尺寸，对调整好尺寸的新的第一医疗废料图像特征图进行两倍双线性内插采集处理，得到新的第二医疗废料图像特征图，再利用一个卷积层对新的第二医疗废料图像特征图进行非线性映射处理，得到自注意力医疗废料图像特征。
4.按权利要求3所述的医疗云管平台，其特征在于通过一个卷积层对输入的自注意力医疗废料图像特征进行降维处理，得到降维医疗废料图像特征图，将得到的降维医疗废料...
【专利技术属性】
技术研发人员：夏国强，梁静，史雄庆，张洁，王胜顺，罗菁，
申请(专利权)人：湖北公众信息产业有限责任公司，
类型：发明
国别省市：湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。