10、医疗科技与加密算法的双重探索

医疗科技与加密算法的双重探索

一、Dr. Watson AI 医疗科技项目

（一）方法学

1. 整体架构
   整个 Web 应用程序基于 Flask 框架运行，该应用包含四个主要功能：药品处方开具、糖尿病分析、新冠预测以及 Watson 助手聊天机器人。
2. 各功能实现技术
   • 药品处方开具与糖尿病分析 ：这两个功能各自拥有独特的数据集，并针对每个数据集创建了机器学习模型。训练机器学习模型使用的库包括 Pandas、NumPy、SciKit 和 Pickle。具体采用决策树分类器来创建机器学习模型，决策树的每个节点代表对一个变量的测试，每个分支代表该属性的一个可能值，每个分支对应一个实例的类标签。训练集实例通过从树的根节点到叶子节点的路由进行分类，树中的每个节点根据属性测试条件将实例空间划分为两个子空间，决策树通常自上而下构建，每一步选择最优的属性测试条件来分割数据。
   • 新冠预测 ：使用大量胸部 X 光片作为数据集，并采用卷积神经网络（CNN）进行训练。CNN 是一种用于评估视觉图像的神经网络，它将输入图像训练到多个隐藏层中，并输出训练后的分类结果。该深度学习模型的准确率达到 88.7%，使用 TensorFlow、Keras 和 OpenCV 库模块创建，Pickle 库用于保存机器学习和深度学习模型，并使用 Flask 框架将保存的模型部署为 Web 应用程序。
3. 前端设计