CESA -2020-4-021 人工智能芯片应用 面向病理图像分析辅助诊断系统的技术要求 征求意见稿.pdf

ICS35.240

CCSL70

团体标准

T/CESAXXXX—2020

人工智能芯片应用面向病理图像分析辅助诊

断系统的技术要求

Applicationofartificialintelligencechip-Technicalrequirementstotheauxiliary

diagnosticsystemofpathologicalimageanalysis

征求意见稿

在提交反馈意见时，请将您知道的相关专利连同支持性文件一并附上。

已授权的专利证明材料为专利证书复印件或扉页，已公开但尚未授权的专利申

请证明材料为专利公开通知书复印件或扉页，未公开的专利申请的证明材料为专利

申请号和申请日期。

202XXXXX202XXXXX

--发布--实施

中国电子工业标准化技术协会发布

T/CESAXXXX—202X

目次

前  言II

1范围1

2规范性引用文件1

3术语和定义1

4系统技术架构3

5功能要求4

6推理测试指标5

_

II

T/CESAXXXX—202X

前言

本文件按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起

草。

本文件由中国科学院计算技术研究所提出。

本文件由中国电子工业标准化技术协会归口。

本文件起草单位：中国科学院计算技术研究所，中科寒武纪科技股份有限公司，中南大学湘雅医院

等。

本文件主要起草人：。

III

T/CESAXXXX—202X

人工智能芯片应用面向病理图像分析辅助诊断系统的技术

要求

1范围

本文件规定了在智能芯片上进行病理图像分析辅助诊断的系统技术组成、功能要求和测试方法等内

容，主要涉及到病理图像分析系统在智能芯片上的推理及应用，不涉及在智能芯片上的训练环节。

本文件适用于在智能芯片上进行病理图像分析辅助诊断系统的部署、检验及应用。

2规范性引用文件

本文件没有规范性引用文件。

3术语和定义

下列术语和定义适用于本文件。

3.1

机器学习Machinelearning

一种程序或系统，用于根据输入数据构建（训练）预测模型。这种系统会利用学到的模型根据从分

布（训练该模型时使用的同一分布）中提取的新数据（以前从未见过的数据）进行实用的预测。机器学

习还指与这些程序或系统相关的研究领域。

3.2

深度学习DeepLearning

机器学习中一种基于对数据进行表征学习的方法，通过组合低层特征形成更加抽象的高层表示属性

类别或特征，以发现数据的分布式特征表示。

3.3

训练Training

确定构成模型的理