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：合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)

摘要：本发明公开了基于预训练微调模型的脑磁图切片数据分类方法，涉及人工智能技术领域，包括如下步骤：将待预测数据输入到已训练完成后的深度学习模型中，以输出脑磁图切片数据的分类结果；深度学习模型的训练过程如下：S1、收集无标注脑磁图数据并进行预处理，基于预处理后的脑磁图数据构建无监督数据集；S2、基于无监督数据集对深度学习模型进行预训练，以对深度学习模型进行模型参数调整；S3、在预训练后的深度学习模型的输出节点后连接一层微调预测层，基于构建的微调数据切片集对微调预测层中的参数进行微调训练，得到训练完成的深度学习模型；该脑磁图预训练微调方法减少有监督标注数据的需求量，提升分类任务精度。

主权项：1.基于预训练微调模型的脑磁图切片数据分类方法，其特征在于，将待预测数据输入到已训练完成后的深度学习模型中，以输出脑磁图切片数据的分类结果；深度学习模型的训练过程如下：S1、收集无标注脑磁图数据并进行预处理，基于预处理后的脑磁图数据构建无监督数据集；S11、依次对无标注脑磁图数据中的每组脑磁文件进行降噪以及归一化处理后得到降噪脑磁文件；S12、计算降噪脑磁文件的全通道能量，遍历降噪脑磁文件中全通道能量大于高能量时刻点的数据点，得到个高能数据点，所述高能量时刻点基于全通道能量的均值和标准差计算得到；S13、以个高能数据点中的每个高能数据点作为中心点，截取中心点的时间邻域数据成第一组切片，第一组切片的数据矩阵维度为，从降噪脑磁文件中随机采样个时刻点，截取个时刻点中每个时刻点的时间邻域数据成第二组切片，第二组切片的数据矩阵维度为，将第一组切片和第二组切片按照数据维度拼接，得到该组脑磁文件的数据矩阵，以数据矩阵作为一组预处理后的脑磁文件以构建无监督数据集，其中表示切片个数，对应数据维度，表示通道数，对应空间维度，表示切片时间长度，对应时间维度；S2、基于无监督数据集对深度学习模型进行预训练，以对深度学习模型进行模型参数调整；S21、设定批处理大小为，将数据矩阵按数据维度进行随机洗牌后得到个批次，每个批次数据矩阵大小为，；S22、数据增广：根据深度学习模型训练的输入尺寸设定值，对批次数据矩阵进行切片得到第三组切片，第三组切片的数据矩阵维度为，，构造一个与第三组切片的数据矩阵维度相同的噪声矩阵，将噪声矩阵与第三组切片的数据矩阵求和得到增长数据；S23、将增广数据输入到深度学习模型中，输出预训练特征向量；S24、基于预训练特征向量计算深度学习模型的预训练损失，使用反向传播法和梯度下降优化深度学习模型的模型参数；S3、在预训练后的深度学习模型的输出节点后连接一层微调预测层，基于构建的微调数据切片集对微调预测层中的参数进行微调训练，得到训练完成的深度学习模型。

全文数据：

权利要求：

百度查询： 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) 基于预训练微调模型的脑磁图切片数据分类方法