【技术实现步骤摘要】
本申请涉及人工智能与数字医疗领域，尤其涉及一种基于人工智能的数据生成方法、装置、设备及介质。
技术介绍
1、生成模型是一类能够从数据分布中采样出新的样本的机器学习模型，生成模型在数字医疗领域中的医学样本生成业务场景中具有广泛的应用，例如可应用于生成医学影像或医学视频的医学样本的医学场景。近年来，由物理或数学定律启发的生成模型取得了令人瞩目的成果，比如基于热力学的扩散模型和基于静电学的泊松流模型。扩散模型是一种通过逐步向数据添加噪声来实现从简单分布到复杂分布的转换的生成模型。它可以看作是一种反向的马尔可夫链蒙特卡罗方法，通过训练一个去噪自编码器来估计数据分布的梯度。泊松流模型是一种通过利用静电学中的泊松方程来构建生成模型的方法。通过训练一个泊松流网络来估计数据分布的势函数。
2、目前，在数字医疗领域中通常是使用上述的生成模型，如扩散模型与泊松流模型来进行对于医学数据，如医学影像或医学视频的样本生成处理，这些生成模型虽然能够从医学数据中学习潜在分布，并通过随机采样或逆向映射来生成新的医学样本数据，但这些生成模型在处理医学数据的过程中存在着采样速度较慢、对噪声敏感的缺陷，并且只适用于连续数据类型的医学样本生成，导致医学数据处理的局限性较大，且医学样本数据的生成效率低下。
技术实现思路
1、本申请提供一种人工智能的基于人工智能的数据生成方法、装置、计算机设备及介质，以解决现有在数字医疗领域中使用生成模型，如扩散模型与泊松流模型来进行对于医学数据，如医学影像或医学视频的样本生成处
2、第一方面，提供了一种基于人工智能的数据生成方法，包括：
3、获取待处理的目标数据；
4、获取所述目标数据的数据类型；
5、基于所述数据类型对所述目标数据进行预处理，生成与所述目标数据对应的目标向量；
6、通过预设的目标纳维-斯托克斯流网络对所述目标向量进行数据分布估计处理，得到与所述目标向量对应的速度场与压力场；其中，所述目标纳维-斯托克斯流网络为对原始的纳维-斯托克斯流网络进行优化后生成的满足预设的纳维-斯托克斯方程与不可压缩条件的网络；
7、基于预设的数值积分方法对所述速度场与所述压力场进行样本采样处理，得到对应的初始样本；
8、基于所述数据类型对所述初始样本进行数据转换处理，得到与所述目标数据对应的目标样本。
9、第二方面，提供了一种基于人工智能的数据生成装置，包括：
10、第一获取模块，用于获取待处理的目标数据；
11、第二获取模块，用于获取所述目标数据的数据类型；
12、第一生成模块，用于基于所述数据类型对所述目标数据进行预处理，生成与所述目标数据对应的目标向量；
13、第一处理模块，用于通过预设的目标纳维-斯托克斯流网络对所述目标向量进行数据分布估计处理，得到与所述目标向量对应的速度场与压力场；其中，所述目标纳维-斯托克斯流网络为对原始的纳维-斯托克斯流网络进行优化后生成的满足预设的纳维-斯托克斯方程与不可压缩条件的网络；
14、第二处理模块，用于基于预设的数值积分方法对所述速度场与所述压力场进行样本采样处理，得到对应的初始样本；
15、第三处理模块，用于基于所述数据类型对所述初始样本进行数据转换处理，得到与所述目标数据对应的目标样本。
16、第三方面，提供了一种计算机设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述基于人工智能的数据生成方法的步骤。
17、第四方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述基于人工智能的数据生成方法的步骤。
18、上述基于人工智能的数据生成方法、装置、计算机设备及存储介质所实现的方案中，在获取到待处理的目标数据后，会智能地根据目标数据的数据类型对目标数据进行预处理，以消除目标数据的冗余和噪声，得到保留有目标数据的主要信息和特征的目标向量。之后会使用对原始的纳维-斯托克斯流网络进行优化后生成的满足预设的纳维-斯托克斯方程与不可压缩条件的目标纳维-斯托克斯流网络对目标向量进行数据分布估计处理得到与目标向量对应的速度场与压力场。通过使用目标纳维-斯托克斯流网络来估计目标向量的速度场和压力场，而不是使用传统的数值方法，提高了模型的表达能力和灵活性，并且可以适用于不同类型和形式的数据的样本生成处理，有效降低了数据处理的局限性。后续基于数值积分方法对速度场与压力场进行样本采样处理，得到对应的初始样本，以通过数值积分方法生成具有连续性和动态性的样本，提高了模型的连续性和动态性。最后基于数据类型对初始样本进行数据转换处理，得到与目标数据对应的目标样本，以完成对于初始样本的数据转换并生成最终的目标样本，有效提高了目标样本的生成效率。本申请提出的基于人工智能的数据生成方法为可以广泛应用于数字医疗领域中的各种医学数据类型的医学样本生成业务场景，是一种相比于现有技术中的生成模型，更加符合医学样本生成场景的数据生成方式，能够有效辅助数字医疗业务系统的医学样本生成流程的流畅进行。通过将本申请提出的数据生成方法来对医学数据进行处理以生成相应的医学样本数据，可以大大减少医学数据处理的局限性，并且能够有效地根据医学数据来实现快速地生成具有连续性和动态性的医学样本，大大提高了医学样本数据的生成效率。
本文档来自技高网...【技术保护点】
1.一种基于人工智能的数据生成方法，其特征在于，包括：
2.如权利要求1所述的基于人工智能的数据生成方法，其特征在于，所述基于所述数据类型对所述目标数据进行预处理，生成与所述目标数据对应的目标向量的步骤，包括：
3.如权利要求2所述的基于人工智能的数据生成方法，其特征在于，所述基于所述第一预处理方式对所述目标数据进行预处理，生成与所述目标数据对应的目标向量的步骤，包括：
4.如权利要求3所述的基于人工智能的数据生成方法，其特征在于，所述调用预设的编码器网络的步骤之前，所述方法还包括：
5.如权利要求1所述的基于人工智能的数据生成方法，其特征在于，所述通过预设的目标纳维-斯托克斯流网络对所述目标向量进行数据分布估计处理，得到与所述目标向量对应的速度场与压力场的步骤之前，所述方法还包括：
6.如权利要求1所述的基于人工智能的数据生成方法，其特征在于，所述基于预设的数值积分方法对所述速度场与所述压力场进行样本采样处理，得到对应的初始样本的步骤，包括：
7.如权利要求1所述的基于人工智能的数据生成方法，其特征在于，所
8.一种基于人工智能的数据生成装置，其特征在于，包括：
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述基于人工智能的数据生成方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于人工智能的数据生成方法的步骤。
...【技术特征摘要】
1.一种基于人工智能的数据生成方法，其特征在于，包括：
2.如权利要求1所述的基于人工智能的数据生成方法，其特征在于，所述基于所述数据类型对所述目标数据进行预处理，生成与所述目标数据对应的目标向量的步骤，包括：
3.如权利要求2所述的基于人工智能的数据生成方法，其特征在于，所述基于所述第一预处理方式对所述目标数据进行预处理，生成与所述目标数据对应的目标向量的步骤，包括：
4.如权利要求3所述的基于人工智能的数据生成方法，其特征在于，所述调用预设的编码器网络的步骤之前，所述方法还包括：
5.如权利要求1所述的基于人工智能的数据生成方法，其特征在于，所述通过预设的目标纳维-斯托克斯流网络对所述目标向量进行数据分布估计处理，得到与所述目标向量对应的速度场与压力场的步骤之前，所述方法还包括：
6.如权利要求1所述的基于人工智能的数据生...
【专利技术属性】
技术研发人员：王俊，
申请(专利权)人：平安科技深圳有限公司，
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。