跨媒体分析推理技术系统的制作方法

1.本发明涉及医疗技术领域，具体为跨媒体分析推理技术系统。


背景技术：

2.跨媒体传播是指信息在不同媒体之间的流布与互动，它至少包含两层含义：其一是指相同信息在不同媒体之间的交叉传播与整合，其二是指媒体之间的合作、共生、互动与协调；首先，受众需求是跨媒体传播产生的社会基础，在数字信息时代，人们对信息的需求表现出前所未有的强烈，当单一形式的传播媒介不能满足受众的需求时，跨媒体传播便应运而生了；其次，新技术(尤其是网络技术)的迅速发展为跨媒体传播提供了必要的技术保障，人类从来没有感觉到媒介技术的力量如此巨大，以至于它能极大地改变和影响着现代人的生活；最后，各种媒体寻求更好的生存环境和发展机会是跨媒体传播的市场动因。
3.面对跨媒体医疗分析的重大需求，目前的人工智能只能进行定向推理，无法建立通用推理，推理机制不够泛化，导致人工智能解决问题的范围和能力不足在医疗领域显得不足。


技术实现要素：

4.(一)解决的技术问题
5.针对现有技术的不足，本发明提供了跨媒体分析推理技术系统，解决了的跨媒体通用推理不够泛化的问题。
6.(二)技术方案
7.为实现以上目的，本发明通过以下技术方案予以实现：跨媒体分析推理技术系统，包括服务器、输入模块、输出模块和存储模块，所述服务器用于跨媒体分析推理，所述输入模块用于跨媒体信息输入，所述输出模块用于跨媒体内容演化输出，所述存储模块用于跨媒体医疗数据库以及方法和模型的存储；
8.所述输入模块通过服务器连接输出模块，所述输入模块通过服务器连接存储模块，所述存储模块通过服务器连接输出模块；
9.所述服务器包括计算单元，所述存储模块内有所述计算单元用于运行的大规模跨媒体医疗知识随机森林模型和跨媒体知识自演化模型。
10.优选的，所述跨媒体多元医疗数据库包括文本模块、图片模块、视频模块和音频模块。
11.优选的，所述文本模块包括医学教材单元、临床指南单元、药典单元及三甲医院优质电子病历单元，所述图片模块包括医学检测图像单元、医学影像单元，眼底造影图像单元，所述视频模块包括医学教材视频单元、权威医学诊断视频单元，所述音频模块包括权威专家诊断语音单元、医学解释语音单元。
12.优选的，所述大规模跨媒体医疗知识随机森林模型用于对跨媒体医疗数据库进行推理与演化，所述跨媒体知识自演化模型用于对输入模块输入的数据进行计算推理和分
析。
13.优选的，所述跨媒体多元医疗数据库还包括临床辅助决策、医疗大数据解决方案、眼底影像分析和诊前导航四大模块。
14.优选的，跨媒体分析推理技术系统还包括运营维护模块，所述运营维护模块包括操作系统维护单元、硬件维护单元、运维事件特征库、作业调度系统和业务运行数据单元。
15.优选的，所述大规模跨媒体医疗知识随机森林模型包括word2vect、cnn、rnn、lasm和mfcc中的一种或几种。
16.优选的，所述输入模块包括摄像单元、录音单元、触屏单元和键盘单元。
17.优选的，所述输出模块包括显示单元、语音播放单元。
18.优选的，跨媒体分析推理技术系统的使用方法，包括以下步骤：
19.(a)构建跨媒体医疗数据库自动采集系统，通过跨媒体医疗数据库自动采集系统生成不断演化更新的跨媒体医疗数据库；
20.(b)采用word2vect、cnn、rnn、lasm和mfcc中的一种或几种建立跨媒体知识自演化模型，对文本、图像、视频和音频进行分析提取；
21.(c)针对海量异构分布的大规模跨医疗媒体知识，构建大规模跨媒体医疗知识随机森林模型，利用大规模跨媒体医疗知识随机森林模型对跨媒体医疗数据库进行适应内容演化以及分析推理；
22.(d)建立从定向推理到通用推理的泛化机制，通过将图文音视结合交融的方式输出内容。
23.(三)有益效果
24.本发明提供了跨媒体分析推理技术系统。具备以下有益效果：
25.本发明通过构建跨媒体医疗数据库自动采集系统，通过跨媒体医疗数据库自动采集系统生成不断演化更新的跨媒体医疗数据库，通过搭建智能数据采集系统，实现多源数据的采集工作，智能数据采集系统主要将互联网数据通过特点规则采集下来，数据采集系统实现快速低成本开发特定主题网络爬虫，使得爬虫开发技术变成web窗口化界面操作，实现半自动化操作；采用word2vect、cnn、rnn、lasm和mfcc中的一种或几种建立跨媒体知识自演化模型，对文本、图像、视频和音频进行分析提取，主要对特定的文本数据进行处理，使用深度学习技术从而实现命名实体和关系的抽取，并将实体和关系存入图数据库中，利用深度学习技术将自然语言转化为sql查询语句；利用深度学习训练模型，对查询的异质图数据根据相似度进行排序；针对海量异构分布的大规模跨医疗媒体知识，构建大规模跨媒体医疗知识随机森林模型，利用大规模跨媒体医疗知识随机森林模型对跨媒体医疗数据库进行适应内容演化以及分析推理；建立从定向推理到通用推理的泛化机制，通过将图文音视结合交融的方式输出内容，实现建立医疗过程可回溯，医疗手段可解释的人工智能跨媒体推理系统。
附图说明
26.图1为本发明的系统结构框图；
27.图2为本发明的存储模块结构框图；
28.图3为本发明的输出模块结构框图；
29.图4为本发明的输入模块结构框图；
30.图5为本发明的运营维护模块结构框图；
31.图6为本发明的大规模跨媒体医疗知识随机森林模型结构框图；
32.图7为本发明的跨媒体医疗数据库结构框图；
33.图8为本发明的跨媒体知识自演化模型结构框图；
34.图9为本发明的系统的使用方法流程图。
具体实施方式
35.下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
36.实施例一：
37.如图1-图8所示，本发明实施例提供跨媒体分析推理技术系统，包括服务器、输入模块、输出模块和存储模块，服务器用于跨媒体分析推理，可以实现对输入内容的推理和演化，输入模块用于跨媒体信息输入，输出模块用于跨媒体内容演化输出，跨媒体融合输出能力可以显著提升，存储模块用于跨媒体医疗数据库的存储，采用云存储，把数据存放在由第三方托管的多台虚拟服务器，而非专属的服务器上，存储管理可以实现自动化和智能化，所有的存储资源被整合到一起，提高了存储效率，通过虚拟化技术解决了存储空间的浪费，可以自动重新分配数据，提高了存储空间的利用率，同时具备负载均衡、故障冗余功能，云存储能够实现规模效应和弹性扩展，降低运营成本，避免资源浪费；输入模块通过服务器连接输出模块，输入模块通过服务器连接存储模块，存储模块通过服务器连接输出模块；服务器包括计算单元，存储模块内有计算单元用于运行的大规模跨媒体医疗知识随机森林模型和跨媒体知识自演化模型，基于随机森林的大规模跨媒体医疗知识随机森林模型可以实现对多种资料产生高准确度的分类，可以处理大量的输入变数，基于深度神经网络的跨媒体知识自演化模型对跨媒体内容的整合实现更好的泛化性，更小的训练误差，建立定向推理向通用推理的泛化演变，提高人工智能解决医疗领域问题的能力。
38.其中，跨媒体多元医疗数据库包括文本模块、图片模块、视频模块和音频模块。
39.文本模块包括医学教材单元、临床指南单元、药典单元及三甲医院优质电子病历单元，图片模块包括医学检测图像单元、医学影像单元，眼底造影图像单元，视频模块包括医学教材视频单元、权威医学诊断视频单元，音频模块包括权威专家诊断语音单元、医学解释语音单元。
40.大规模跨媒体医疗知识随机森林模型用于对跨媒体医疗数据库进行推理与演化，跨媒体知识自演化模型用于对输入模块输入的数据进行计算推理和分析，便于实现对输入内容的预测、分析、演化和推理。
41.跨媒体多元医疗数据库还包括临床辅助决策、医疗大数据解决方案、眼底影像分析和诊前导航四大模块。
42.跨媒体分析推理技术系统还包括运营维护模块，跨媒体分析推理技术系统，还包括运营维护模块，所述运营维护模块包括操作系统维护单元、硬件维护单元、运维事件特征
库、作业调度系统和业务运行数据单元，通过对服务器硬件、操作系统、作业调度系统、计算单元的各种状态信息，如cpu使用率、作业负载、存储使用率等进行分析处理，形成业务运行数据，与运维事件特征库比对，可实现运维问题自动识别，对于特定的事件情况提前进行预警处理，智能运营维护模块主要针对平台运行日志检测、错误排查、预测维护等，可适用应用领域除医疗还包括交通、电信、媒体、金融等。
43.大规模跨媒体医疗知识随机森林模型包括word2vect、lasm(长短期神经网络)、cnn(卷积神经网络)、mfcc(梅尔倒谱系数)、rnn(递归神经网络)中的一种或几种。
44.输入模块包括摄像单元、录音单元、触屏单元和键盘单元。
45.输出模块包括显示单元、语音播放单元，便于数据信息输入输出。
46.实施例二：
47.如图8所示，本发明实施例提供跨媒体分析推理技术系统的使用方法，包括以下步骤：
48.(a)构建跨媒体医疗数据库自动采集系统，通过跨媒体医疗数据库自动采集系统生成不断演化更新的跨媒体医疗数据库，通过搭建智能数据采集系统，实现多源数据的采集工作，智能数据采集系统主要将互联网数据通过特点规则采集下来，数据采集系统实现快速低成本开发特定主题网络爬虫，使得爬虫开发技术变成web窗口化界面操作，实现半自动化操作；
49.(b)采用word2vect、cnn、rnn、lasm和mfcc中的一种或几种建立跨媒体知识自演化模型，对文本、图像、视频和音频进行分析提取，主要对特定的文本数据进行处理，使用深度学习技术从而实现命名实体和关系的抽取，并将实体和关系存入图数据库中，利用深度学习技术将自然语言转化为sql查询语句；利用深度学习训练模型，对查询的异质图数据根据相似度进行排序；
50.(c)针对海量异构分布的大规模跨医疗媒体知识，构建大规模跨媒体医疗知识随机森林模型，利用大规模跨媒体医疗知识随机森林模型对跨媒体医疗数据库进行适应内容演化以及分析推理；
51.(d)建立从定向推理到通用推理的泛化机制，通过将图文音视结合交融的方式输出内容，实现建立医疗过程可回溯，医疗手段可解释的人工智能跨媒体推理系统。
52.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。