本發(fā)明屬于數(shù)據(jù)傳輸，具體涉及一種醫(yī)療影像數(shù)據(jù)完整傳輸方法及系統(tǒng)。

背景技術(shù)：

1、醫(yī)療影像數(shù)據(jù)是指在醫(yī)療診斷和治療過程中，通過影像技術(shù)獲取的圖像資料。這些數(shù)據(jù)通常由各種醫(yī)學(xué)影像設(shè)備生成，例如x光片、計算機斷層掃描、磁共振成像、超聲波檢查、正電子發(fā)射斷層掃描等。隨著醫(yī)療影像技術(shù)的發(fā)展，醫(yī)療影像數(shù)據(jù)量急劇增加，對醫(yī)療影像數(shù)據(jù)的傳輸提出了更高的要求。醫(yī)療影像數(shù)據(jù)的傳輸對于遠(yuǎn)程診斷、病情分析和治療具有重要意義。

2、現(xiàn)有的醫(yī)療影像數(shù)據(jù)傳輸技術(shù)，存在如下缺陷：

3、1)傳輸效率低下：現(xiàn)有技術(shù)往往沒有有效利用數(shù)據(jù)壓縮算法，導(dǎo)致醫(yī)療影像數(shù)據(jù)在傳輸前未經(jīng)過充分壓縮，數(shù)據(jù)量大，傳輸時間長，傳輸過程中缺乏智能調(diào)度機制，無法根據(jù)網(wǎng)絡(luò)狀況動態(tài)調(diào)整傳輸策略，導(dǎo)致傳輸效率不高；

4、2)傳輸可靠性和完整性低下：在網(wǎng)絡(luò)不穩(wěn)定或傳輸錯誤的情況下，現(xiàn)有技術(shù)未能提供有效的數(shù)據(jù)恢復(fù)和重傳機制，導(dǎo)致數(shù)據(jù)丟失，可靠性低，缺乏對傳輸過程的實時監(jiān)控和校驗，無法及時發(fā)現(xiàn)并處理傳輸失敗的情況，完整性低；

5、3)智能化程度低下：現(xiàn)有技術(shù)往往只關(guān)注數(shù)據(jù)的傳輸，而忽略了數(shù)據(jù)內(nèi)容的智能化分析，無法根據(jù)數(shù)據(jù)的重要性或緊急性來調(diào)整傳輸優(yōu)先級。

技術(shù)實現(xiàn)思路

1、為了解決現(xiàn)有技術(shù)存在的傳輸效率低下、傳輸可靠性和完整性低下以及智能化程度低下的問題，本發(fā)明目的在于提供一種醫(yī)療影像數(shù)據(jù)完整傳輸方法及系統(tǒng)。

2、本發(fā)明所采用的技術(shù)方案為：

3、一種醫(yī)療影像數(shù)據(jù)完整傳輸方法，包括如下步驟：

4、使用人工智能算法，構(gòu)建醫(yī)療影像數(shù)據(jù)壓縮模型、壓縮包數(shù)據(jù)分析模型以及傳輸策略生成模型；

5、采集實時醫(yī)療影像數(shù)據(jù)，并使用醫(yī)療影像數(shù)據(jù)壓縮模型，對實時醫(yī)療影像數(shù)據(jù)進(jìn)行壓縮，得到實時壓縮包數(shù)據(jù)；

6、使用壓縮包數(shù)據(jù)分析模型，對實時壓縮包數(shù)據(jù)進(jìn)行分析，得到實時分析結(jié)果，并將實時壓縮包數(shù)據(jù)進(jìn)行本地緩存，得到實時本地緩存記錄；

7、使用傳輸策略生成模型，對實時分析結(jié)果進(jìn)行傳輸策略生成，得到對應(yīng)的實時壓縮包數(shù)據(jù)的實時傳輸策略；

8、根據(jù)實時傳輸策略，對實時壓縮包數(shù)據(jù)進(jìn)行實時數(shù)據(jù)傳輸，生成實時數(shù)據(jù)傳輸記錄，并與實時本地緩存記錄進(jìn)行傳輸檢查，得到實時傳輸檢查結(jié)果；

9、若實時傳輸檢查結(jié)果為存在遺漏或失敗的目標(biāo)實時壓縮包數(shù)據(jù)，則基于目標(biāo)實時壓縮包數(shù)據(jù)，返回傳輸策略生成步驟。

10、進(jìn)一步地，使用人工智能算法，構(gòu)建醫(yī)療影像數(shù)據(jù)壓縮模型、壓縮包數(shù)據(jù)分析模型以及傳輸策略生成模型，包括如下步驟：

11、采集若干歷史醫(yī)療影像數(shù)據(jù)，并對若干歷史醫(yī)療影像數(shù)據(jù)進(jìn)行預(yù)處理，得到若干預(yù)處理后歷史醫(yī)療影像數(shù)據(jù)；

12、根據(jù)若干預(yù)處理后歷史醫(yī)療影像數(shù)據(jù)，使用深度學(xué)習(xí)算法，構(gòu)建醫(yī)療影像數(shù)據(jù)壓縮模型，并生成若干歷史壓縮包數(shù)據(jù)；

13、根據(jù)若干歷史壓縮包數(shù)據(jù)，使用深度學(xué)習(xí)算法，構(gòu)建壓縮包數(shù)據(jù)分析模型，并生成若干歷史分析結(jié)果；

14、根據(jù)若干歷史分析結(jié)果，使用強化學(xué)習(xí)算法，構(gòu)建傳輸策略生成模型，并生成若干歷史傳輸策略生成經(jīng)驗。

15、進(jìn)一步地，醫(yī)療影像數(shù)據(jù)壓縮模型基于cnn-dbn算法構(gòu)建，且醫(yī)療影像數(shù)據(jù)壓縮模型包括依次連接的基于cnn算法構(gòu)建的圖特征提取模塊和基于dbn算法構(gòu)建的醫(yī)療影像數(shù)據(jù)壓縮模塊；

16、壓縮包數(shù)據(jù)分析模型基于rf-mlp算法構(gòu)建，且壓縮包數(shù)據(jù)分析模型包括依次連接的基于rf算法構(gòu)建的關(guān)鍵特征篩選模塊和基于mlp算法構(gòu)建的壓縮包數(shù)據(jù)分析模塊；

17、傳輸策略生成模型基于fssa-dqn算法構(gòu)建，且傳輸策略生成模型包括依次連接的基于fssa算法構(gòu)建的參數(shù)優(yōu)化模塊和基于dqn算法構(gòu)建的傳輸策略生成模塊，傳輸策略生成模塊設(shè)置有智能體、深度q網(wǎng)絡(luò)以及經(jīng)驗回放池。

18、進(jìn)一步地，采集實時醫(yī)療影像數(shù)據(jù)，并使用醫(yī)療影像數(shù)據(jù)壓縮模型，對實時醫(yī)療影像數(shù)據(jù)進(jìn)行壓縮，得到實時壓縮包數(shù)據(jù)，包括如下步驟：

19、采集實時醫(yī)療影像數(shù)據(jù)，并對實時醫(yī)療影像數(shù)據(jù)進(jìn)行預(yù)處理，得到預(yù)處理后實時醫(yī)療影像數(shù)據(jù)；

20、使用醫(yī)療影像數(shù)據(jù)壓縮模型的圖特征提取模塊，提取預(yù)處理后實時醫(yī)療影像數(shù)據(jù)的實時圖特征；

21、使用醫(yī)療影像數(shù)據(jù)壓縮模型的醫(yī)療影像數(shù)據(jù)壓縮模塊，對實時圖特征進(jìn)行壓縮，得到實時壓縮包數(shù)據(jù)。

22、進(jìn)一步地，云數(shù)據(jù)中心，使用醫(yī)療影像數(shù)據(jù)壓縮模型的醫(yī)療影像數(shù)據(jù)壓縮模塊，對實時圖特征進(jìn)行壓縮，得到實時壓縮包數(shù)據(jù)，包括如下步驟：

23、使用醫(yī)療影像數(shù)據(jù)壓縮模型的醫(yī)療影像數(shù)據(jù)壓縮模塊，將實時圖特征進(jìn)行子塊劃分，得到若干實時子塊；

24、對每一實時子塊進(jìn)行編碼，得到若干實時壓縮碼字，并對若干實時壓縮碼字進(jìn)行合并，得到初始的實時壓縮包數(shù)據(jù)；

25、對初始的實時壓縮包數(shù)據(jù)進(jìn)行后處理，得到最終的實時壓縮包數(shù)據(jù)。

26、進(jìn)一步地，使用壓縮包數(shù)據(jù)分析模型，對實時壓縮包數(shù)據(jù)進(jìn)行分析，得到實時分析結(jié)果，并將實時壓縮包數(shù)據(jù)進(jìn)行本地緩存，得到實時本地緩存記錄，包括如下步驟：

27、使用壓縮包數(shù)據(jù)分析模型的關(guān)鍵特征篩選模塊，提取實時壓縮包數(shù)據(jù)的若干實時關(guān)鍵特征；

28、使用壓縮包數(shù)據(jù)分析模型的壓縮包數(shù)據(jù)分析模塊，對若干實時關(guān)鍵特征進(jìn)行分析，得到實時分析結(jié)果；

29、將實時壓縮包數(shù)據(jù)進(jìn)行本地緩存，得到實時本地緩存記錄。

30、進(jìn)一步地，使用傳輸策略生成模型，對實時分析結(jié)果進(jìn)行傳輸策略生成，得到對應(yīng)的實時壓縮包數(shù)據(jù)的實時傳輸策略，包括如下步驟：

31、對實時分析結(jié)果進(jìn)行影響映射，得到實時影響映射因子，并根據(jù)實時影響映射因子，設(shè)定傳輸策略生成模型的參數(shù)優(yōu)化模塊的優(yōu)化目標(biāo)；

32、根據(jù)優(yōu)化目標(biāo)，使用參數(shù)優(yōu)化模塊，進(jìn)行參數(shù)優(yōu)化，生成傳輸策略生成模型的傳輸策略生成模塊的深度q網(wǎng)絡(luò)的最優(yōu)的網(wǎng)絡(luò)參數(shù)；

33、基于最優(yōu)的網(wǎng)絡(luò)參數(shù)，對深度q網(wǎng)絡(luò)進(jìn)行優(yōu)化，得到優(yōu)化后深度q網(wǎng)絡(luò)，并在傳輸策略生成模塊的經(jīng)驗回放池中隨機抽取若干歷史傳輸策略生成經(jīng)驗；

34、根據(jù)實時分析結(jié)果，更新傳輸策略生成模塊的狀態(tài)空間，得到更新的狀態(tài)空間；

35、根據(jù)若干歷史傳輸策略生成經(jīng)驗，更新傳輸策略生成模塊的動作空間，得到更新的動作空間；

36、基于更新的狀態(tài)空間、更新的動作空間以及優(yōu)化后深度q網(wǎng)絡(luò)，使用智能體，進(jìn)行傳輸策略生成，得到實時傳輸策略。

37、進(jìn)一步地，根據(jù)實時傳輸策略，對實時壓縮包數(shù)據(jù)進(jìn)行實時數(shù)據(jù)傳輸，生成實時數(shù)據(jù)傳輸記錄，并與實時本地緩存記錄進(jìn)行傳輸檢查，得到實時傳輸檢查結(jié)果，包括如下步驟：

38、在數(shù)據(jù)提供方和數(shù)據(jù)接收方之間配置數(shù)據(jù)傳輸通道，根據(jù)實時傳輸策略，對數(shù)據(jù)傳輸通道進(jìn)行調(diào)整，得到調(diào)整后數(shù)據(jù)傳輸通道；

39、基于調(diào)整后數(shù)據(jù)傳輸通道，執(zhí)行實時傳輸策略，對實時壓縮包數(shù)據(jù)進(jìn)行實時數(shù)據(jù)傳輸，并生成實時數(shù)據(jù)傳輸記錄；

40、遍歷所有實時壓縮包數(shù)據(jù)，得到若干實時數(shù)據(jù)傳輸記錄，并將實時數(shù)據(jù)傳輸記錄與對應(yīng)的實時本地緩存記錄進(jìn)行傳輸檢查，得到實時傳輸檢查結(jié)果。

41、進(jìn)一步地，若實時傳輸檢查結(jié)果為存在遺漏或失敗的目標(biāo)實時壓縮包數(shù)據(jù)，則基于目標(biāo)實時壓縮包數(shù)據(jù)，返回傳輸策略生成步驟，包括如下步驟：

42、對實時傳輸檢查結(jié)果進(jìn)行分析，若實時傳輸檢查結(jié)果為存在遺漏的實時本地緩存記錄或失敗的實時數(shù)據(jù)傳輸記錄，則進(jìn)入下一步驟；

43、將遺漏的實時本地緩存記錄或失敗的實時本地緩存記錄對應(yīng)的實時壓縮包數(shù)據(jù)作為目標(biāo)實時壓縮包數(shù)據(jù)；

44、使用傳輸策略生成模型，對目標(biāo)實時壓縮包數(shù)據(jù)的目標(biāo)實時分析結(jié)果重新進(jìn)行傳輸策略生成，得到目標(biāo)實時傳輸策略；

45、根據(jù)目標(biāo)實時傳輸策略，對目標(biāo)實時壓縮包數(shù)據(jù)進(jìn)行實時數(shù)據(jù)傳輸，生成實時數(shù)據(jù)傳輸記錄，并重新與對應(yīng)的實時本地緩存記錄進(jìn)行傳輸檢查。

46、一種醫(yī)療影像數(shù)據(jù)完整傳輸系統(tǒng)，用于實現(xiàn)醫(yī)療影像數(shù)據(jù)完整傳輸方法，系統(tǒng)包括依次連接的模型構(gòu)建單元、數(shù)據(jù)壓縮單元、壓縮包分析單元、傳輸策略生成單元、傳輸檢查單元以及重傳輸單元。

47、本發(fā)明的有益效果為：

48、本發(fā)明提供的一種醫(yī)療影像數(shù)據(jù)完整傳輸方法及系統(tǒng)，通過使用醫(yī)療影像數(shù)據(jù)壓縮模型，能夠有效減少數(shù)據(jù)大小，縮短傳輸時間，從而顯著提高數(shù)據(jù)傳輸效率，傳輸策略生成模型能夠根據(jù)網(wǎng)絡(luò)狀況動態(tài)調(diào)整傳輸參數(shù)，進(jìn)一步優(yōu)化傳輸過程，減少延遲；通過實時監(jiān)控和傳輸檢查，能夠及時發(fā)現(xiàn)并處理數(shù)據(jù)傳輸中的遺漏或失敗，確保數(shù)據(jù)的完整性，對于傳輸失敗的記錄，提供了重傳機制，保障了數(shù)據(jù)的最終成功傳輸，提高了可靠性；壓縮包數(shù)據(jù)分析模型能夠?qū)︶t(yī)療影像數(shù)據(jù)進(jìn)行智能分析，提取關(guān)鍵信息，為傳輸策略生成提供支持，用于調(diào)整傳輸優(yōu)先級，確保重要和緊急的數(shù)據(jù)優(yōu)先傳輸，提高了智能化程度。

49、本發(fā)明的其他有益效果將在具體實施方式中進(jìn)一步進(jìn)行說明。