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！

摘要：本发明涉及一种少样本超声心动图测值AI标注数据的函数收敛与清洗方法，该方法通过将数据集做预处理，形成更加适合训练神经网络的数据分布，有效突出有效值数据范围的比重，对于异常值进行有效的压缩缩小范围，将异常区域体现在一个较短的异常区间中，均衡值的整体分布，促使神经网络训练过程中正确的学习到数值分布与结论表述的空间映射，对加速模型快速收敛起到积极作用，并提高预测的正确率。

主权项：1.一种少样本超声心动图测值AI标注数据的函数收敛与清洗方法，其特征在于，该方法包括以下步骤：S1.确定采集超声心动图测量值的普通值范围，该步骤具体包括以下子步骤：i.对于具有临床指南定义的临床值范围的测量参数，根据临床指南定义的临床值范围设定普通值范围；ii.对于没有临床指南定义的测量参数，采用统计方法计算并确定普通值范围；S2.对缺失值进行填充处理，该步骤具体包括以下子步骤：i.确定每个缺失值所属测量参数的普通值范围，并计算该普通值范围内缺失值的平均值、最小值和最大值；ii.基于平均值、最小值、最大值构建一个数学模型或方程，使用构建的数学模型或方程，通过随机函数生成该普通值范围内的一系列离散点，将生成的离散点替代相应的缺失值进行填充处理；S3.对异常值范围进行压缩，该步骤具体包括以下子步骤：i.将采集的超声心动图测量值所属数据集中偏离普通值范围的数据点定义为异常值，并通过统计方法确定数据集中的异常值；ii.通过压缩算法将异常值范围压缩到预定的目标区间内；S4.对压缩后的数据集进行归一化处理；S5.将归一化处理的数据集分割为训练集、测试集、验证集，该步骤具体包括以下子步骤：i.对归一化后的数据集进行打乱顺序后随机排列，生成一个新顺序的数据集；ii.使用随机化后的数据集，按照预定的比例进行分割获得训练集、测试集、验证集；S6.训练AI模型并根据收敛性微调普通值范围的数值，该步骤具体包括以下子步骤：i.根据超声心动图测量值的特性和预测任务的需求，使用AI模型架构进行深度学习；ii.对于模型预测结果未能准确预测的数据标签，调整数据集中对应的相关列数据，扩大或缩小对应普通值范围的区间；iii.使用调整后的普通值范围重新构建数据集，重新训练模型。

全文数据：

权利要求：

百度查询： 宁波市科技园区明天医网科技有限公司 少样本超声心动图测值AI标注数据的函数收敛与清洗方法