一种基于特征融合元学习的凝血指标异常分类方法
基本信息
| 申请号 | CN202210571838.0 | 申请日 | - |
| 公开（公告）号 | CN114663679A | 公开（公告）日 | 2022-06-24 |
| 申请公布号 | CN114663679A | 申请公布日 | 2022-06-24 |
| 分类号 | 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 | 分类 | 计算；推算；计数; |
| 发明人 | 李登旺;高祝敏;黄浦;陆华;洪亭轩;王醒;李玉玲;周顺风;赵本靖 | 申请（专利权）人 | 山东师范大学 |
| 代理机构 | 山东知圣律师事务所 | 代理人 | - |
| 地址 | 250358山东省济南市长清区大学科技园大学路1号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明提供了一种基于特征融合元学习的凝血指标异常分类方法，包括以下步骤：获取样本PT、TT将曲线图像，对曲线图像进行特征提取，创建训练集、测试集；将训练集图像输入到resnet网络中，输出处理后的图像；将图像输入到元训练模型上进行梯度下降更新参数θ，构建特征融合元学习的异常凝血指标分类模型；设置异常凝血指标分类模型的超参数；利用测试集对训练后的模型进行迭代测试和微调，将测试集输入经过迭代测试和微调的异常凝血指标分类模型，使用特征融合元学习的异常凝血指标分类模型实现分类。本发明利用元学习促进基于深层神经网络的快速适应和泛化，以识别具有更少注释数据的异常指标，提高分类性能。 |
