【技术实现步骤摘要】
本专利技术涉及人工智能医学，具体涉及一种基于微服务、容器化技术的医学领域人工智能工程化平台。
技术介绍
1、在医学领域，人工智能技术正在得到广泛的应用，它将医学研究和临床实践带到了一个全新的水平。人工智能技术可以通过机器学习和深度学习等方法，对大量的医学数据进行分析和挖掘，提取出有价值的信息，包括疾病诊断、疾病预测、药物筛选、个体化治疗等。这些应用有助于提高诊断的准确性和治疗的效果，帮助医务人员更好地为病人服务。
2、然而，医学领域的数据存在着特殊的问题，如数据量大、数据种类多、数据质量参差不齐、隐私保护等问题，这些问题加大了人工智能技术在医学领域的应用挑战。为了解决这些问题，需要建立一个高效、安全、可持续的人工智能工程化平台，支持医学领域数据预处理、模型训练和推理应用。
技术实现思路
1、针对现有技术的不足，本专利技术旨在提供一种基于微服务、容器化技术的医学领域人工智能工程化平台。
2、为了实现上述目的，本专利技术采用如下技术方案：
3、基于微服务、容器化技术的医学领域人工智能工程化平台，包括ai模型管理系统，所述ai模型管理系统包括ai工程化模块和pineline模块；
4、一、ai工程化模块：
5、所述ai工程化模块包括文件管理模块、模型项目定义模块和模型部署模块；
6、文件管理模块用于管理语料文件和模型文件，用户可在文件管理模块上传或下载预料文件，并可在模型项目定义模块中使用对应的语料文件；所述语料文件
7、模型项目定义模块用于管理模型的训练项目；当用户新建模型的训练项目时，填写模型名称、训练任务类型，选择对应的语料文件，然后保存模型项目；用户新建好模型的训练项目后，可以定义训练环境和设置训练参数，然后发起训练；
8、模型部署模块用于供用户创建部署任务，创建部署任务时需要填写部署任务名称以及选择部署任务类型；不同的部署任务类型预置有对应的部署模板，所述部署模板对应不同的预置部署环境参数；用户在模型部署模块选择训练好的模型，点击部署，模型部署为api服务，同时生成api服务地址；
9、二、pipeline模块：
10、pipeline模块用于将ai工程化模块生成的训练任务或部署任务封装成流程任务，实现自动化训练和部署。
11、进一步地，所述训练任务类型包括预置训练任务类型，所述预置训练任务类型由管理员在后台进行配置，不同的预置训练任务类型均预置有对应的训练模板，所述训练模板包括有训练参数，用户在定义模型的训练项目时，选择某一预置训练任务类型后，模型项目定义模块自动加载对应的训练参数，用户可在此基础上对训练参数进行编辑；所述训练任务类型还包括有动态组件类型，所述动态组件类型的训练流程由用户自定义；
12、pipeline模块中预置有各种预置训练任务类型的流程任务，用户可在pipeline模块中自定义动态组件类型的训练流程；动态组件类型对应的训练流程的各个部分拆分为独立组件，每个组件绑定到功能代码上，从而可以实现组件功能的动态更新。
13、进一步地，所述模型项目定义模块用于在模型训练过程中显示训练过程日志，以观察训练任务基本设置是否符合设定，训练过程是否有误，以及训练轮次的模型评估效果，模型是否达到预期。
14、进一步地，上述平台还包括有底层资源模块和模型部署服务模块；
15、所述底层资源模块用于提供训练环境的基础镜像、训练任务的客户端接口，以及基础训练资源环境和模型训练运行的依赖基础环境；基础训练资源环境采用kubuernates的job服务；模型训练运行的依赖基础环境则根据不同的算法类型打包基础镜像环境；
16、所述模型部署服务模块用于为模型训练后的部署提供统一服务入口，将不同的模型使用不同的依赖环境进行独立部署，避免互相影响；对于具有相同依赖环境的模型，部署到同一个部署服务环境中。
17、本专利技术的有益效果在于：利用本专利技术，用户只需按照规范准备语料数据即可使用平台提供的训练和推理服务，可以帮助医学领域实现自动化、标准化和可重复的工作流程，提高工作效率和质量。本专利技术可以提供数据管理、模型训练、预测和评估等各个环节的工具和框架，使得医学数据分析和应用的过程更加透明、可控、可持续。
本文档来自技高网...【技术保护点】
1.基于微服务、容器化技术的医学领域人工智能工程化平台，其特征在于，包括AI模型管理系统，所述AI模型管理系统包括AI工程化模块和PINELINE模块；
2.根据权利要求1所述的平台，其特征在于，所述训练任务类型包括预置训练任务类型，所述预置训练任务类型由管理员在后台进行配置，不同的预置训练任务类型均预置有对应的训练模板，所述训练模板包括有训练参数，用户在定义模型的训练项目时，选择某一预置训练任务类型后，模型项目定义模块自动加载对应的训练参数，用户可在此基础上对训练参数进行编辑；所述训练任务类型还包括有动态组件类型，所述动态组件类型的训练流程由用户自定义；
3.根据权利要求1所述的平台，其特征在于，所述模型项目定义模块用于在模型训练过程中显示训练过程日志，以观察训练任务基本设置是否符合设定，训练过程是否有误，以及训练轮次的模型评估效果，模型是否达到预期。
4.根据权利要求1所述的平台，其特征在于，还包括有底层资源模块和模型部署服务模块；
【技术特征摘要】
1.基于微服务、容器化技术的医学领域人工智能工程化平台，其特征在于，包括ai模型管理系统，所述ai模型管理系统包括ai工程化模块和pineline模块；
2.根据权利要求1所述的平台，其特征在于，所述训练任务类型包括预置训练任务类型，所述预置训练任务类型由管理员在后台进行配置，不同的预置训练任务类型均预置有对应的训练模板，所述训练模板包括有训练参数，用户在定义模型的训练项目时，选择某一预置训练任务类型后，模型项目定义模块自动加...
【专利技术属性】
技术研发人员：唐珂轲，林少泽，黄毅宁，
申请(专利权)人：广州中康数字科技有限公司，
类型：发明
国别省市：
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。