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
- 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。 - 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。
- 前端设计
超级会员免费看
订阅专栏 解锁全文
1883

被折叠的 条评论
为什么被折叠?



