Disclosed are a method and apparatus for an intelligent response, which belong to the technical field of artificial intelligence. The method comprises: periodically training a response model in a response model library according to a response record and a preset data set; determining and invoking a target response model in the response model library when session information sent by a client is received; and generating response information of the session information with the target response model, feeding back the response information to the client, and adding the session information and the response information to the response record. By means of the method and apparatus, intelligent response processing for self-learning and accurate responding without excessive manual intervention can be realized. La présente invention concerne un procédé et un appareil destinés à fournir une réponse intelligente, qui se rapportent au domaine technique de l'intelligence artificielle. Le procédé comprend les étapes consistant à : former périodiquement un modèle de réponse dans une bibliothèque de modèles de réponse en fonction d'un enregistrement de réponse et d'un ensemble de données prédéfini ; déterminer et invoquer un modèle de réponse cible dans la bibliothèque de modèles de réponse lorsque des informations de session envoyées par un client sont reçues ; et générer des informations de réponse des informations de session avec le modèle de réponse cible, renvoyer les informations de réponse au client et ajouter les informations de session et les informations de réponse à l'enregistrement de réponse. Le procédé et l'appareil selon la présente invention permettent d'effectuer un traitement de réponse intelligente pour auto-apprentissage et une réponse précise sans intervention manuelle excessive. 公开了一种智能应答的方法和装置，属于人工智能技术领域。所述方法包括：周期性根据应答记录和预设资料集训练应答模型库中的应答模型；当接收到客户端发送的会话信息时，在所述应答模型库中确定并调用目标应答模型；通过所述目标应答模型生成所述会话信息的应答信息，向所述客户端反馈所述应答信息，并添加所述会话信息和所述应答信息至所述应答记录中。采用本方法和装置，可以实现无需人工过多干预，能够自主学习，可以精准应答的智能应答处理。

An intelligent flow-field calculation method and intelligent flow-field calculation system employing an acoustic Doppler current profiler. The method comprises the following steps: measuring a velocity vector of a river cross-section to be measured (S1); creating a river profile model so as to map the spatial distribution of velocity to a real-world river channel (S2); using data of a measured region as a definite condition and performing feature extraction (S3); calculating, according to extracted features, velocity distribution across the entire cross-section (S4); and calculating a flow rate by means of a flow field (S5). The method uses an artificial intelligence algorithm to replace manual calibration, achieves high precision and high efficiency, and enables full automation of the whole process. La présente invention concerne un procédé de calcul de champ d'écoulement intelligent et un système de calcul de champ d'écoulement intelligent qui font appel à un profileur de courant Doppler acoustique. Le procédé comprend les étapes suivantes : la mesure d'un vecteur de vitesse d'une section transversale de rivière à mesurer (S1); la création d'un modèle de profil de rivière de façon à cartographier la distribution spatiale de la vitesse sur un canal de rivière du monde réel (S2); l'utilisation des données d'une région mesurée comme condition définie et la réalisation d'une extraction de caractéristique (S3); le calcul, en fonction des caractéristiques extraites, de la distribution de vitesse sur toute la section transversale (S4); et le calcul d'un débit au moyen d'un champ d'écoulement (S5). Le procédé utilise un algorithme d'intelligence artificielle pour remplacer un étalonnage manuel, atteint une précision élevée et une efficacité élevée, et permet une automatisation complète de l'ensemble du procédé. 一种基于声学多普勒测流仪的流场智能计算方法和智能计算系统，方法包括以下步骤：检测待测河流断面的流速矢量（S1）；建立河流剖面模型使流速空间分布与现实河道相映射（S2）；以实测区数据作为定解条件进行特征提取（S3）；根据提取的特征推算全断面流速分布（S4）；通过流场计算流量（S5）；该方法采用人工智能算法取代人工标定工作，具有高精度、高效率的特点，整体流程实现全自动。

A human body health assessment method and system based on sleep big data. The method and system obtain biometric data of a human body in long-term, stable and ever-increasing fashion, and cleanly describe the physical conditions of a human and predict the future health thereof using advanced data mining technology. The method comprises: obtaining, by a sensor mounted on a bed, different physiological data of a human body during sleeping and storing same to a cloud server (101); and obtaining a physiological evaluation indicator using an artificial intelligence learning model and generating a health status analysis report of the human body. By obtaining the data of the sensor mounted on the bed, training the data of the artificial intelligence learning model, and allowing the model to automatically learn about features related to the health of the human body, time costs for manual feature selection and construction are reduced, and the purpose of accurate disease prediction is achieved; and by further training a classifier model, a disease type can be directly acquired from a health assessment report. L'invention concerne un procédé et un système d'évaluation de la santé du corps humain basés sur des mégadonnées de sommeil. Le procédé et le système obtiennent des données biométriques d'un corps humain à long terme, d'une manière stable et toujours croissante, et décrivent clairement les états physiques d'un être humain et prédisent sa santé future à l'aide d'une technologie d'exploration de données avancée. Le procédé consiste à : obtenir, au moyen d'un capteur monté sur un lit, différentes données physiologiques d'un corps humain pendant le sommeil et les stocker dans un serveur en nuage (101) ; et obtenir un indicateur d'évaluation physiologique à l'aide d'un modèle d'apprentissage d'intelligence artificielle et générer un rapport d'analyse d'état de santé du corps humain. Grâce à l'obtention des données du capteur monté sur le lit, à l'apprentissage des données du modèle d'apprentissage d'intelligence artificielle et au fait de permettre au modèle d'apprendre automatiquement des caractéristiques associées à la santé du corps humain, des coûts en temps liés à la sélection et à la construction de caractéristiques manuelles sont réduits, et l'objectif de prédiction de maladie précise est atteint ; et grâce à l'apprentissage supplémentaire d'un modèle de classificateur, un type de maladie peut être directement acquis à partir d'un rapport d'évaluation de santé. 一种基于睡眠大数据的人体健康评估方法及评估系统，该方法和系统长期地、稳定地、持续增长地获得人体生命特征数据，采用先进的数据挖掘技术清晰明确地描述人类个体的身体状态并预测其健康的未来。通过安装在床上的传感器，获取人体睡眠时的各项生理数据存储于云端服务器（101）；运用人工智能学习模型得到人体生理评价指标并生成人体健康状态分析报告。通过获取安装于床上的传感器数据，进行人工智能学习模型数据训练，让模型自动学习出与人体健康相关的特征，从而节省人工挑选和构造特征的时间成本，达到精准预测疾病的目的，进一步通过训练分类器模型可以在健康评估报告中直接获知患病类型。

Provided are a method and device for processing medical image transmission data, and an electronic device. The method, which is applied to a user terminal, for processing medical image transmission data comprises: generating medical image transmission data in response to a request for generating a medical image auxiliary diagnosis record; and sending the medical image transmission data to an artificial intelligence service centre by means of a block chain network. The method, which is applied to an artificial intelligence service centre, for processing medical image transmission data comprises: receiving, by means of a block chain network, medical image transmission data sent by a user terminal; generating a medical image auxiliary diagnosis record according to the medical image transmission data; and sending the medical image auxiliary diagnosis record by means of the block chain network. By means of the method, the embodiments of the present application can prevent data information from being tampered with during the process of transmitting medical image data and acquiring a medical image auxiliary diagnosis record, and at the same time, the whole process of transmitting information is traceable, thereby improving the security of information transmission. L'invention concerne un procédé et un dispositif de traitement de données de transmission d'image médicale, et un dispositif électronique. Le procédé, qui est appliqué à un terminal utilisateur, pour traiter des données de transmission d'image médicale, consiste à : générer des données de transmission d'image médicale en réponse à une demande de génération d'un enregistrement de diagnostic auxiliaire d'image médicale; et envoyer les données de transmission d'image médicale à un centre de service d'intelligence artificielle au moyen d'un réseau à chaîne de blocs. Le procédé, qui est appliqué à un centre de service d'intelligence artificielle, pour traiter des données de transmission d'image médicale, consiste à : recevoir, au moyen d'un réseau à chaîne de blocs, des données de transmission d'image médicale envoyées par un terminal d'utilisateur; générer un enregistrement de diagnostic auxiliaire d'image médicale selon les données de transmission d'image médicale; et envoyer l'enregistrement de diagnostic auxiliaire d'image médicale au moyen du réseau à chaîne de blocs. Au moyen du procédé, les modes de réalisation de la présente invention peuvent empêcher des informations de données d'être falsifiées pendant le processus de transmission de données d'image médicale et acquérir un enregistrement de diagnostic auxiliaire d'image médicale, et en même temps, l'ensemble du processus d'émission d'informations est traçable, ce qui permet d'améliorer la sécurité de la transmission d'informations. 本申请实施例公开了一种医学影像传输数据的处理方法、装置和电子设备，其中，应用于用户终端的医学影像传输数据的处理方法包括：响应于生成医学影像辅诊病历的请求，生成医学影像传输数据；通过区块链网络发送所述医学影像传输数据至人工智能服务中心。应用于人工智能服务中心的医学影像传输数据的处理方法包括：通过区块链网络接收用户终端发送的医学影像传输数据；根据所述医学影像传输数据生成医学影像辅诊病历；通过所述区块链网络发送所述医学影像辅诊病历。通过上述方式，本申请实施例能够防止传输医学影像数据，以及获取医学影像辅诊病历的过程中数据信息被篡改，同时，传输信息的整个过程具有可追溯性，提高了信息传输的安全性能。

An artificial intelligence-based ophthalmic disease diagnostic modeling method, apparatus and system. The method comprises: establishing an ophthalmic image data set and a non-image ophthalmic disease diagnostic questionnaire data set (S101); training a first neural network model using the ophthalmic image data set to obtain a first classification model (S102); training a second classification model using the non-image ophthalmic disease diagnostic questionnaire data set (S103); and merging the first classification model and the second classification model to obtain a target classification network model and using a test result output on the basis of the target classification network model as a diagnostic result obtained by diagnosing an ophthalmic disease (S104). The present method can assist in ophthalmic diagnosis by combining clinical and ophthalmic images and personal information of a patient, so that the artificial intelligence technology can better assist in the ophthalmic diseases diagnostic modeling, thereby effectively improving the level of intelligence and the accuracy of diagnostic modeling of all ophthalmic diseases and improving the diagnostic effect. Procédé, appareil et système de modélisation de diagnostic de maladies ophtalmiques basée sur l'intelligence artificielle. Le procédé comporte les étapes consistant à: établir un ensemble de données d'images ophtalmiques et un ensemble de données de questionnaire de diagnostic de maladies ophtalmiques hors images (S101); entraîner un premier modèle de réseau neuronal à l'aide de l'ensemble de données d'images ophtalmiques pour obtenir un premier modèle de classification (S102); entraîner un second modèle de classification à l'aide de l'ensemble de données de questionnaire de diagnostic de maladies ophtalmiques hors images (S103); et fusionner le premier modèle de classification et le second modèle de classification pour obtenir un modèle de réseau de classification cible et utiliser un résultat de test délivré sur la base du modèle de réseau de classification cible en tant que résultat de diagnostic obtenu en diagnostiquant une maladie ophtalmique (S104). Le présent procédé peut aider au diagnostic ophtalmique en combinant des images cliniques et ophtalmiques et des informations personnelles d'un patient, de sorte que la technologie de l'intelligence artificielle peut mieux aider à la modélisation du diagnostic de maladies ophtalmiques, améliorant ainsi en pratique le niveau d'intelligence et l'exactitude de la modélisation du diagnostic de toutes les maladies ophtalmiques et améliorant l'effet de diagnostic. 一种基于人工智能的眼科疾病诊断建模方法、装置及系统，该方法包括建立眼科图像数据集和眼科非图像疾病诊断问卷数据集(S101)；采用眼科图像数据集训练第一神经网络模型，得到第一分类模型(S102)；采用眼科非图像疾病诊断问卷数据集训练第二分类模型(S103)；融合第一分类模型和第二分类模型，得到目标分类网络模型，并将基于目标分类网络模型输出的测试结果作为对眼科疾病进行诊断得到的诊断结果(S104)。通过该方法能够集成临床、眼科影像，以及病患个人信息辅助进行眼科诊断，能够使得人工智能技术更好地辅助眼科疾病诊断建模，有效提升眼科全种类疾病诊断建模的智能化和精准度，提升诊断效果。

Disclosed is a deep-learning-based method for improving a colonoscope adenomatous polyp detection rate. The method comprises the following steps: dividing a video stream transmitted from a camera of a colonoscope of an operating table into two parts, with one part of the video stream being transmitted to an operating platform of a doctor and the other part of the video stream being pre-processed and then being transmitted to a polyp detection model embedded in a colonoscope operating system for identification; the polyp detection model detecting whether there is a polyp in each frame of image and the occurrence probability of the polyp; returning a detection result from the polyp detection model to the operating platform of the doctor and displaying same; and if there is a polyp in the video stream, framing the polyp and giving a prompt. By virtue of an artificial intelligence deep neural network, a polyp occurring within the range of a camera of a colonoscope during an operation can be automatically detected, thereby improving the identification rate of a polyp during a colonoscopy and thus indirectly improving the detection rate of an adenomatous polyp. L'invention concerne un procédé basé sur un apprentissage profond pour améliorer un taux de détection de polype adénomateux par coloscope. Le procédé comprend les étapes suivantes consistant à : diviser un flux vidéo transmis par une caméra d'un coloscope d'une table d'opération en deux parties, une partie du flux vidéo étant transmise à une plate-forme opérationnelle d'un médecin et l'autre partie du flux vidéo étant prétraitée puis transmise à un modèle de détection de polype inclus dans un système d'exploitation de coloscope pour l'identification ; le modèle de détection de polype détecte s'il y a un polype dans chaque trame d'image et la probabilité d'occurrence du polype ; renvoyer un résultat de détection du modèle de détection de polype à la plate-forme opérationnelle du médecin et l'afficher ; et s'il y a un polype dans le flux vidéo, cadrer le polype et présenter une notification. Grâce à un réseau neuronal profond d'intelligence artificielle, un polype se trouvant dans le rayon d'action d'une caméra d'un coloscope pendant une opération peut être automatiquement détecté, ce qui permet d'améliorer le taux d'identification d'un polype pendant une coloscopie et d'améliorer ainsi indirectement le taux de détection d'un polype adénomateux. 一种基于深度学习提高结肠镜腺瘤性息肉检出率的方法，包括以下步骤：将手术台中肠镜镜头传出的视频流一分为二，一部分传输到医生的操作平台上，另一部分视频流进行预处理后送到嵌入到肠镜操作系统中的息肉检测模型进行识别；息肉检测模型对每一帧图像是否出现息肉以及息肉出现概率进行检测；将息肉检测模型的检测结果返回到医生操作平台显示，若视频流中出现息肉，将息肉框出提示。借助人工智能深度神经网络，可自动检测肠镜手术过程中镜头内出现的息肉，提高在结肠镜检查过程中息肉的识别率，从而间接的提高了腺瘤性息肉的检出率。

The present application relates to the field of artificial intelligence, and discloses a method employing artificial intelligence for dynamic generation of television closed captions, and a related apparatus. The method comprises: acquiring an image frame of current viewers, and inputting the image frame into a face identification model to acquire race information of the current viewers and a proportion corresponding to each race of the current viewers; acquiring current positioning information, and acquiring a current official language according to the current positioning information, the race information of the current viewers, and the proportion corresponding to each race of the current viewers; and acquiring sound data, converting the sound data into text by means of a sound recognition model, translating the text according to the current official language, and displaying the translated text on a television screen. The present application determines a closed caption language by identifying the race of viewers, helps the disabled to understand television content, and improves the experience of watching television. La présente invention se rapporte au domaine de l'intelligence artificielle, et concerne un procédé utilisant une intelligence artificielle pour la génération dynamique de sous-titres codés de télévision, et un appareil associé. Le procédé comprend les étapes suivantes : acquérir une trame d'image de spectateurs courants, et entrer la trame d'image dans un modèle d'identification de visage afin d'acquérir des informations de race des spectateurs courants et une proportion correspondant à chaque race des spectateurs courants ; acquérir des informations de positionnement courantes, et acquérir une langue officielle courante selon les informations de positionnement courantes, les informations de race des spectateurs courants, et la proportion correspondant à chaque race des spectateurs courants ; et acquérir des données sonores, convertir les données sonores en texte au moyen d'un modèle de reconnaissance sonore, traduire le texte selon la langue officielle courante, et afficher le texte traduit sur un écran de télévision. La présente invention détermine une langue de sous-titre codé en identifiant la race de spectateurs, aide les personnes handicapées à comprendre un contenu de télévision, et améliore l'expérience de visualisation de télévision. 本申请涉及人工智能领域，本申请公开了一种基于人工智能的电视字幕动态生成方法及相关设备，所述方法包括：获取当前观众的画面图像，将所述画面图像输入人脸识别模型，以获取当前观众的人种信息及与所述当前观众的人种对应的人数占比；获取当前定位信息，根据所述当前定位信息、当前观众的人种信息及与所述当前观众的人种对应的人数占比获得当前官方语言；获取语音数据，将所述语音数据通过语音识别模型转换成文字，根据所述当前官方语言将所述文字进行翻译，并在电视屏幕上将所述翻译后的文字进行字幕播放。本申请通过对观众人种的识别，确定字幕语言，帮助障碍人士对电视内容的理解，提高电视收听效率。

A method for monitoring a trademark. The method is applied to a server and comprises: obtaining and storing trademark information to be monitored (S101); periodically performing retrieval monitoring on a newly-published registered trademark (S103); determining whether a commodity or a service item of the newly-published registered trademark is similar to that of a trademark to be monitored (S105); determining whether the newly-published registered trademark is identical or similar to the trademark to be monitored (S107); and outputting the determining result and a corresponding suggestion (S109). According to the method for monitoring a trademark, a newly-published registered trademark is monitored periodically by using big data and artificial intelligence; trademarks similar to an enterprise trademark can be effectively prevented from being registered by others; the method helps an enterprise to take legal measures as early as possible, hinders the registration of identical or similar trademarks, and is conducive to protecting the brand value of the enterprise; and moreover, analysis is carried out based on big data and artificial intelligence, thereby saving a lot of manpower, and allowing the result to have a better reference value. L'invention concerne un procédé de surveillance d'une marque. Le procédé est appliqué à un serveur et consiste à : obtenir et mémoriser des informations de marque à surveiller (S101); effectuer périodiquement une surveillance de récupération sur une marque enregistrée nouvellement publiée (S103); déterminer si une marchandise ou un élément de service de la marque enregistrée nouvellement publiée est similaire à celui d'une marque à surveiller (S105); déterminer si la marque enregistrée nouvellement publiée est identique ou similaire à la marque à surveiller (S107); et délivrer le résultat de détermination et une suggestion correspondante (S109). Selon le procédé de surveillance d'une marque, une marque enregistrée nouvellement publiée est surveillée périodiquement au moyen de mégadonnées et d'une intelligence artificielle; il est possible d'empêcher efficacement que des marques similaires à une marque d'entreprise soient enregistrées par d'autres; le procédé aide une entreprise à prendre des mesures légales dès que possible, empêche l'enregistrement de marques identiques ou similaires, et est favorable à la protection de la valeur de marque de l'entreprise; et en outre, l'analyse est réalisée sur la base de mégadonnées et de l'intelligence artificielle, ce qui permet d'économiser beaucoup de main-d'œuvre, et de conférer au résultat une meilleure valeur de référence. 一种商标监测方法，应用于服务器，其包括：获取并存储待监测商标信息（S101）；定期对新公开注册商标进行检索监测（S103）；判断所述新公开注册商标的商品或服务项目与所述待监测商标的商品或服务项目是否类似（S105）；判断所述新公开注册商标与所述待监测商标是否相同或近似（S107）；输出判断结果及相应的建议（S109）。该商标监测方法，采用大数据和人工智能，定期对新公开的注册商标进行监测，可以有效阻止跟企业商标近似的商标被他人注册，帮助企业尽早采取法律措施，阻碍相同或近似商标的注册，有利于保护企业的品牌价值，同时，采用大数据和人工智能进行分析，节省了大量人力，结果也更具有参考价值。