一種基于特征融合元學(xué)習(xí)的凝血指標(biāo)異常分類方法

基本信息

申請?zhí)?/td> CN202210571838.0 申請日 -
公開（公告）號 CN114663679A 公開（公告）日 2022-06-24
申請公布號 CN114663679A 申請公布日 2022-06-24
分類號 G06V10/44（2022.01）I;G06V10/774（2022.01）I;G06V10/776（2022.01）I;G06V10/764（2022.01）I;G06V10/80（2022.01）I;G06V10/82（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06K9/62（2022.01）I 分類 計算；推算；計數(shù);
發(fā)明人 李登旺;高祝敏;黃浦;陸華;洪亭軒;王醒;李玉玲;周順風(fēng);趙本靖 申請（專利權(quán)）人 山東師范大學(xué)
代理機(jī)構(gòu) 山東知圣律師事務(wù)所 代理人 -
地址 250358山東省濟(jì)南市長清區(qū)大學(xué)科技園大學(xué)路1號
法律狀態(tài) -

摘要

摘要 本發(fā)明提供了一種基于特征融合元學(xué)習(xí)的凝血指標(biāo)異常分類方法，包括以下步驟：獲取樣本PT、TT將曲線圖像，對曲線圖像進(jìn)行特征提取，創(chuàng)建訓(xùn)練集、測試集；將訓(xùn)練集圖像輸入到resnet網(wǎng)絡(luò)中，輸出處理后的圖像；將圖像輸入到元訓(xùn)練模型上進(jìn)行梯度下降更新參數(shù)θ，構(gòu)建特征融合元學(xué)習(xí)的異常凝血指標(biāo)分類模型；設(shè)置異常凝血指標(biāo)分類模型的超參數(shù)；利用測試集對訓(xùn)練后的模型進(jìn)行迭代測試和微調(diào)，將測試集輸入經(jīng)過迭代測試和微調(diào)的異常凝血指標(biāo)分類模型，使用特征融合元學(xué)習(xí)的異常凝血指標(biāo)分類模型實(shí)現(xiàn)分類。本發(fā)明利用元學(xué)習(xí)促進(jìn)基于深層神經(jīng)網(wǎng)絡(luò)的快速適應(yīng)和泛化，以識別具有更少注釋數(shù)據(jù)的異常指標(biāo)，提高分類性能。