為了使患者對(duì)自身的情況更加了解,醫(yī)生可以更準(zhǔn)確地對(duì)疾病進(jìn)行診斷,目前已經(jīng)出現(xiàn)了一些將計(jì)算機(jī)技術(shù)用于醫(yī)療診斷的研究。但是目前存在的技術(shù)在處理疾病診斷的過(guò)程中存在電腦處理數(shù)據(jù)多,維度大,超負(fù)荷等缺點(diǎn)。基于這種情況,本文提出了將卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)用于處理疾病數(shù)據(jù)的技術(shù),神經(jīng)網(wǎng)絡(luò)對(duì)于高維度的數(shù)據(jù)處理有著無(wú)可比擬的優(yōu)勢(shì)。CNN網(wǎng)絡(luò)可以降低數(shù)據(jù)過(guò)擬合現(xiàn)象的發(fā)生,可以極大地緩解目前技術(shù)存在的問(wèn)題。這項(xiàng)技術(shù)對(duì)于患者和醫(yī)生都有著積極的意義。

【文章頁(yè)數(shù)】：2 頁(yè)

【部分圖文】：

圖1 基于CNN的疾病預(yù)測(cè)技術(shù)路線

2.3技術(shù)路線如圖1所示，由于深度學(xué)習(xí)的訓(xùn)練需要用到大量的數(shù)據(jù)，因此設(shè)計(jì)模型之前需要收集大量的數(shù)據(jù)，在收集數(shù)據(jù)的過(guò)程中需要注意到患者的隱私問(wèn)題，之后需要對(duì)這些數(shù)據(jù)進(jìn)行人工的標(biāo)注和預(yù)處理。根據(jù)已有的數(shù)據(jù)對(duì)模型進(jìn)行設(shè)計(jì)，然后通過(guò)設(shè)計(jì)好的模型進(jìn)行網(wǎng)絡(luò)的訓(xùn)練，在訓(xùn)練好的網(wǎng)絡(luò)上可以進(jìn)行疾....

本文編號(hào)：4034461