买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：四川师范大学

摘要：本发明涉及一种基于数据升维与深度学习的未病阶段检测方法及装置，旨在解决现有技术中存在的仅能完成对未病态和健康态的二分类识别任务，无法对未病处于何种阶段进行识别的技术问题。包括：数据升维表征模块和数据检测分类模型。数据升维表征模块将不同阶段的不同检测类别的医疗指标数据，进行维度提升并压缩编码；数据检测分类模型对经过压缩编码的数据进行运算，并构建模型认知矩阵，以判断未病处于何种阶段。本发明能提高数据的特征丰富度，并差异化表征未病不同阶段的不同类的医疗指标数据。通过构建多任务优化、双输入的数据检测分类模型，能在仅基于医疗指标数据驱动，而不依赖先验知识的同时，提高分类识别的准确性。

主权项：1.一种基于数据升维与深度学习的未病阶段检测方法，其特征在于，包括：S1：基于未病的多种未病阶段，获取所有未病阶段中的各个检测类别的医疗指标数据，得到第一数据集，基于模型第一输入口对所述第一数据集进行升维表征及编码，得到第一类编码数据；依次获取一个未病阶段完整的各个检测类别的医疗指标数据，直至获取到所有未病阶段的医疗指标数据，形成第二数据集，基于模型第二输入口对所述第二数据集进行升维表征及编码，得到第二类编码数据；S2：构建数据检测分类模型，所述数据检测分类模型包括：Transformer编码器、一维卷积及一维池化层单元、MLP多层感知机和空洞卷积神经网络层；将所述第一类编码数据和第二类编码数据分别输入所述数据检测分类模型，并循环执行S3-S5预设轮次，对所述数据检测分类模型进行迭代训练，得到训练好的数据检测分类模型，根据训练好的数据检测分类模型，识别分析待检测医疗指标数据，完成未病阶段的识别；S3：接收所述第一类编码数据和第二类编码数据，利用所述Transformer编码器、一维卷积及一维池化层单元和MLP多层感知机分别对所述第一类编码数据和第二类编码数据进行特征识别，得到多个第一类特征数据和多个第二类特征数据；并对所有的第二类特征数据进行拼接，得到认知特征矩阵；S4：根据完整的各个检测类别的医疗指标数据来源于何种未病阶段对所述认知特征矩阵进行标记，利用所述空洞卷积神经网络层对标记后的认知特征矩阵进行卷积运算，得到阶段识别值；S5：分别计算所述第一类特征数据的标准差值和阶段识别值的标准差值，得到第一标准差值和第二标准差值；基于所述第一标准差值和第二标准差值更新所述数据检测分类模型的交叉熵损失函数，根据所述交叉熵损失函数计算第一损失值和第二损失值，并根据所述第一损失值和第二损失值对所述数据检测分类模型进行联合参数优化，形成多任务优化训练。

全文数据：

权利要求：

百度查询： 四川师范大学 一种基于数据升维与深度学习的未病阶段检测方法及装置