WIPO logo
Mobile | Deutsch | Español | Français | 日本語 | 한국어 | Português | Русский | 中文 | العربية |
PATENTSCOPE

Search International and National Patent Collections
World Intellectual Property Organization
Search
 
Browse
 
Translate
 
Options
 
News
 
Login
 
Help
 
Machine translation
1. (WO2018103538) DEEP LEARNING METHOD AND DEVICE FOR ANALYSIS OF HIGH-DIMENSIONAL MEDICAL DATA
Latest bibliographic data on file with the International Bureau    Submit observation

Pub. No.:    WO/2018/103538    International Application No.:    PCT/CN2017/112606
Publication Date: 14.06.2018 International Filing Date: 23.11.2017
IPC:
G06F 19/00 (2018.01)
Applicants: INFERVISION [CN/CN]; 11th Floor, Block C Ocean International Center, Chaoyang District Beijing 100025 (CN)
Inventors: ZHANG, Rongguo; (CN).
CHEN, Kuan; (CN)
Agent: GE CHENG & CO., LTD.; Level 19, Tower E3, The Towers, Oriental Plaza No. 1, East Chang An Avenue, Dongcheng District Beijing 100738 (CN)
Priority Data:
201611122716.4 08.12.2016 CN
Title (EN) DEEP LEARNING METHOD AND DEVICE FOR ANALYSIS OF HIGH-DIMENSIONAL MEDICAL DATA
(FR) PROCÉDÉ ET DISPOSITIF D'APPRENTISSAGE EN PROFONDEUR DESTINÉS À L'ANALYSE DE DONNÉES MÉDICALES DE HAUTE DIMENSION
(ZH) 一种分析高维医疗数据的深度学习方法和装置
Abstract: front page image
(EN)Disclosed in the present application are a deep learning method and device for analysis of high-dimensional medical data. The method comprises: reading high-dimensional medical data and, by analyzing data properties, preprocessing the high-dimensional medical data into a data format acceptable to a feature extraction model; selecting different feature extraction models according to different preprocessing manners, and inputting the preprocessed data into the selected feature extraction model for feature extraction to obtain a corresponding feature vector; and inputting the corresponding feature vector into a recurrent neural network model for training to obtain a final deep learning model used for medical data analysis. The method of the present invention can enhance the accuracy of analyzing high-dimensional medical data based on a deep learning model. Also provided in the present invention is a deep learning device for analysis of high-dimensional medical data, comprising: a preprocessing module, a feature extraction module, and a model training module.
(FR)L'invention concerne un procédé et un dispositif d'apprentissage en profondeur destinés à l'analyse de données médicales de haute dimension. Le procédé consiste à : lire des données médicales de haute dimension et, en analysant les propriétés des données, prétraiter les données médicales de haute dimension dans un format de données acceptable pour un modèle d'extraction de caractéristiques ; sélectionner différents modèles d'extraction de caractéristiques en fonction des différents modes de prétraitement, puis saisir les données prétraitées dans le modèle d'extraction de caractéristiques sélectionné en vue de l’extraction de caractéristiques afin d'obtenir un vecteur de caractéristiques correspondant ; et saisir le vecteur de caractéristiques correspondant dans un modèle de réseau neuronal récurrent conçu pour l'apprentissage afin d'obtenir un modèle d'apprentissage en profondeur final destiné à l'analyse des données médicales. Le procédé de l'invention permet d'améliorer la précision d'analyse des données médicales de haute dimension d'après un modèle d'apprentissage en profondeur. L’invention concerne également un dispositif d'apprentissage en profondeur permettant l'analyse de données médicales de haute dimension, ledit dispositif comprenant un module de prétraitement, un module d'extraction de caractéristiques et un module d'apprentissage de modèle.
(ZH)本申请公开了一种分析高维医疗数据的深度学习方法和装置。所述方法包括:读取高维医疗数据,通过分析数据属性,将高维医疗数据预处理为特征提取模型能够接收的数据格式;根据不同的预处理的方式,来选择不同的特征提取模型,将预处理后的数据输入选择的特征提取模型进行特征提取,得到相应的特征向量;将相应的特征向量输入至循环神经网络模型进行训练,得到用于医疗数据分析的最终深度学习模型。该方法能够提高基于深度学习模型进行高维医疗数据分析的准确率。本发明还包括一种分析高维医疗数据的深度学习装置,其包括:预处理模块、特征提取模块和模型训练模块。
Designated States: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW.
African Regional Intellectual Property Organization (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Eurasian Patent Organization (AM, AZ, BY, KG, KZ, RU, TJ, TM)
European Patent Office (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
African Intellectual Property Organization (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG).
Publication Language: Chinese (ZH)
Filing Language: Chinese (ZH)