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：安徽理工大学;合肥博谐电子科技有限公司

摘要：本发明提供了一种基于深度学习的职业性尘肺病多模态分析方法，属于尘肺病分析领域，包括：采集人员的胸部X片影像信息和个人基础信息；对个人基础信息进行词向量化处理；构建一维卷积神经网络和二维卷积神经网络，并在此基础上建立多模态卷积神经网络MM‑CNN模型；将上述两种信息作为多模态卷积神经网络MM‑CNN模型的输入，建立多分类MM‑CNN尘肺病分析模型，在满足相应约束下形成目标函数；采用混合跳蛙算法SFLA优化多分类MM‑CNN尘肺病分析模型的超参数；采用优化后的多分类MM‑CNN尘肺病分析模型对人员的胸部X片影像信息和词向量化处理后的个人信息进行分析，并输出分析结果。该方法能够实现人员肺部健康的准确、实时检测分析，完成部分职业性尘肺病的早期预警。

主权项：1.一种基于深度学习的职业性尘肺病多模态分析方法，其特征在于，包括以下步骤：采集人员的胸部X片影像信息和个人基础信息；对所述个人基础信息进行词向量化处理；构建一维卷积神经网络1D-CNN和二维卷积神经网络2D-CNN，并在此基础上建立多模态卷积神经网络MM-CNN模型；将人员的胸部X片影像信息和词向量化处理后的个人信息作为多模态卷积神经网络MM-CNN模型的输入，建立用于职业性尘肺病分析的多分类MM-CNN尘肺病分析模型，在满足相应约束下形成目标函数；采用混合跳蛙算法SFLA优化多分类MM-CNN尘肺病分析模型的超参数；采用优化后的多分类MM-CNN尘肺病分析模型对人员的胸部X片影像信息和词向量化处理后的个人信息进行分析，并输出职业性尘肺病分析的结果；所述采用混合跳蛙算法SFLA优化多分类MM-CNN尘肺病分析模型的超参数，包括1D-CNN网络层数M、1D-CNN激活函数、2D-CNN网络层数N、2D-CNN激活函数、优化器以及学习率，其具体步骤为：青蛙种群初始化；青蛙分类：对种群S中的青蛙按照适应度递增的顺序排序，记录S中适应度最好的青蛙位置Px为F1；族群划分：根据下式划分文化基因体；Mk＝[Fkj,fkj|Fkj＝Fk+mj-1,fkj＝fk+mj-1,j＝1,2,…,n；k＝1,2,…,m]文化基因体传承进化：每个文化基因体Mkk＝1,2,…,m根据局部搜索步骤独立进化；将各文化基因体进行混合：在每个文化基因体都进行过一轮局部搜索之后，将重新组合种群S，并再次根据适应度递增排序，更新种群中最优青蛙，并记录全局最优青蛙的位置Px；检验停止条件：若满足了算法收敛条件，则停止算法执行过程；否则，返回执行族群划分。

全文数据：

权利要求：

百度查询： 安徽理工大学 合肥博谐电子科技有限公司 一种基于深度学习的职业性尘肺病多模态分析方法