基于图理论和深度强化学习的边端协同医学影像诊断方法

本发明提出了一种基于图理论和深度强化学习的边端协同医学影像诊断方法，用以解决医学影像DAG拓扑DNN的边端协同推理调度中结构复杂难以分割及调度效率问题。首先，通过拓扑排序将复杂的DAG结构转换为链式结构，得到CDNN结构；同时，针对一个端边协同系统模型，使用每秒钟浮点运算次数来表示用户端设备和边缘服务器的计算资源；然后，构建基于CDNN结构的调度卸载模型，并对调度卸载模型进行MDP建模，以最小化推理延迟与能耗；接着提出一种DP‑A3C策略进行优化求解，得到最优的模型划分策略；最后，将模型划分策略反馈给用户端设备，为医生处理复杂任务提供快速有效的诊断建议。本发明能够适应不同的网络拓扑和任务需求，提供稳定的性能表现。