健康分析开放服务系统及方法技术方案

本发明专利技术公开了一种健康分析开放服务系统及方法。其中，该系统包括：标注子系统，被配置为基于预设的标注规则，对样本图片进行标注并生成多个数据集，将所述数据集转化为深度学习算法能够理解的数据集；算法子系统，被配置为提供在线编程环境，并基于转化后的所述数据集和所述在线编程环境，生成一个或多个健康深度学习模型；健康业务子系统，被配置为利用一个或多个所述健康深度学习模型来分析所接收的待分析图片，并生成健康分析结果。本发明专利技术解决了现有的健康分析系统提供的健康分析效率和质量不够高的技术问题。质量不够高的技术问题。质量不够高的技术问题。

【技术实现步骤摘要】
健康分析开放服务系统及方法


[0001]本专利技术涉及智能AI领域，具体而言，涉及一种健康分析开放服务系统及方法。

技术介绍

[0002]现有的健康分析系统更多的是健康的检测系统、面向消费者的健康服务系统。现有技术中，没有一种健康分析系统能够面向健康领域专家、算法开发者、应用开发者。
[0003]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0004]本专利技术实施例提供了一种健康分析开放服务系统及方法，以至少解决现有的健康分析系统提供的健康分析效率和质量不够高的技术问题。
[0005]根据本专利技术实施例的一个方面，提供了一种健康分析开放服务系统，包括：标注子系统，被配置为基于预设的标注规则，对样本图片进行标注并生成多个数据集，将所述数据集转化为深度学习算法能够理解的数据集；算法子系统，被配置为提供在线编程环境，并基于转化后的所述数据集和所述在线编程环境，生成一个或多个健康深度学习模型；健康业务子系统，被配置为利用一个或多个所述健康深度学习模型来分析所接收的待分析图片，并生成健康分析结果。
[0006]根据本专利技术实施例的另一方面，还提供了一种健康分析开放服务方法，包括：基于预设的标注规则，对样本图片进行标注并生成多个数据集，将所述数据集转化为深度学习算法能够理解的数据集；提供在线编程环境，并基于转化后的所述数据集和所述在线编程环境，生成一个或多个健康深度学习模型；利用一个或多个所述健康深度学习模型来分析所接收的待分析图片，并生成健康分析结果。
[0007]在本专利技术实施例中，基于预设的标注规则，对样本图片进行标注并生成多个数据集，将所述数据集转化为深度学习算法能够理解的数据集；提供在线编程环境，并基于转化后的所述数据集和所述在线编程环境，生成一个或多个健康深度学习模型；利用一个或多个所述健康深度学习模型来分析所接收的待分析图片，并生成健康分析结果，解决了现有的健康分析系统提供的健康分析效率和质量不够高的技术问题。
附图说明
[0008]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0009]图1是根据本专利技术第一实施例的健康分析开放服务系统的结构示意图；
[0010]图2是根据本专利技术实施例的标注子系统的操作流程图；
[0011]图3是根据本专利技术实施例的算法子系统的操作流程图；
[0012]图4是根据本专利技术实施例的健康业务子系统的操作流程图；
[0013]图5是根据本专利技术第二实施例的健康分析开放服务系统的结构示意图；
[0014]图6是根据本专利技术的健康分析开放服务方法的流程图。
具体实施方式
[0015]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0016]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0017]实施例1
[0018]本申请实施例提供的健康分析开放服务系统能够服务行业内涉及的健康领域专家、算法开发者、应用开发者。该系统提升了健康分析效率和质量，是一个能够服务用户健康的技术服务平台。
[0019]本实施例中的健康分析开放服务系统包括以下三个子系统：标注子系统，用于完成健康经验向数据集的转化；算法子系统，以数据集为输入，提供在线编程环境，并输出算法模型；健康业务子系统，将算法特性封装为健康功能特性，系统化的对外提供健康分析服务接口。
[0020]图1是根据本专利技术实施例的一种健康分析开放服务系统的结构示意图，如1所示，该系统包括标注子系统12、算法子系统14和健康业务子系统16。
[0021]标注子系统12是面向健康领域专家和标注员的标注系统，根据健康领域专家制定的标注规则，标注员对样本图片进行标注并输出数据集，实现将健康领域数据集向深度学习算法可理解的数据集转化。
[0022]算法子系统14是面向算法开发者的在线编程系统，它以标注子系统12的数据集为输入，提供在在线编程环境，算法开发者编写算法、训练模型，输出解决某类问题的深度学习模型文件。
[0023]健康业务子系统16是面向应用开发者的系统，其将算法子系统14输出的算法模型包装成健康服务接口，以供应用开发者调用，实现自己的健康应用程序。
[0024]下面将详细描述三个子系统。
[0025]1)标注子系统
[0026]标注子系统12是将健康领域专家的经验，通过对样本图片的标注，转化为人工智能、特别是深度学习算法能够处理的数据集。
[0027]图2是根据本专利技术实施例的标注子系统12的组件与流程协作图。标注子系统12的操作流程包括以下步骤：
[0028]步骤S202，上传样本图片。
[0029]将样本图片上传至文件存储。数据集的制作需要依赖样本图片对应的数据。样本图片的来源主要有以下三种：一是用户使用过程中产生的图片，二是通过网络爬虫爬取的网络图片，三是外部导入的图片。将这些图片上传至文件存储例如文件存储服务器进行存储。
[0030]步骤S204，读取并呈现样本图片。
[0031]标注子系统从文件存储服务器中读取并呈现样本图片，以供标注员对样本图片进行标注。此处，进行标注的前提是标注子系统从文件存储服务器中读取了相关的样本图片并且呈现出来。
[0032]步骤S206，对样本图片进行标注。
[0033]标注员对样本图片进行标注。根据医生的标注规则，标注员对样本图片资源进行标注，标注的类型需要和算法类型相匹配。例如，标签对应分类问题、矩形框对应目标检测、多边形区域对应实例分割等。
[0034]本实施例中的标注包括标注标签和参数，标签是对对象的标注，如标注图片中的车辆，那么标注就是车；属性是在标签之下。在有些算法中需要用到属性，例如车有车型、颜色等属性，也可以在标注过程中进行描述，所以标注是针对对象的，参数是针对属性的。
[0035]步骤S208，将标注关系保存到关系数据库中。
[0036]将所打的标注即时的保存到关系数据库中。在一个示例中，可以将样本图片及所打的标签的关系和参数，都本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种健康分析开放服务系统，其特征在于，包括：标注子系统，被配置为基于预设的标注规则，对样本图片进行标注并生成多个数据集，将所述数据集转化为深度学习算法能够理解的数据集；算法子系统，被配置为提供在线编程环境，并基于转化后的所述数据集和所述在线编程环境，生成一个或多个健康深度学习模型；健康业务子系统，被配置为利用一个或多个所述健康深度学习模型来分析所接收的待分析图片，并生成健康分析结果。2.根据权利要求1所述的系统，其特征在于，所述标注子系统还包括：获取模块，被配置为获取所述样本图片；标注模块，被配置为基于所述标注规则，根据与健康深度学习模型的算法类型相匹配的标注类型，对所述样本图片进行标注，其中，所述标注包括标注标签和参数，所述标签用于描述所述样本图片中的对象，所述参数用于描述所述对象的属性；输出模块，被配置为基于标注后的所述样本图片，生成并输出多个所述数据集，其中，多个所述数据集中的每个数据集中的数据包括标注关系和所述样本图片，其中，所谓标注关系是所述标注与所述样本图片的对应关系。3.根据权利要求1所述的系统，其特征在于，所述标注子系统还被配置为：将标签对应分类问题、矩形框对应目标检测、多边形区域对应实例分割，对所述样本图片进行标注。4.根据权利要求1所述的系统，其特征在于，所述算法子系统还包括：编码模块，被配置为提供训练数据集中的部分数据并在所述在线编程环境中提供在线编码组件，以供开发者利用所述在线编码组件和所述部分数据进行在线编码；训练模块，被配置为利用转化后的所述数据集中的部分数据集作为训练数据集来训练基于所述在线编码而生成的一个或多个所述健康深度学习模型，得到训练集最优的所述健康深度学习模型。5.根据权利要求4所述的系统，其特征在于，所述...

【专利技术属性】
技术研发人员：王博，曾金龙，
申请(专利权)人：深圳伯德睿捷健康科技有限公司，
类型：发明
国别省市：