龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：平安科技(深圳)有限公司
申请日：2024-04-10
公开（公告）日：2024-06-25
公开（公告）号：CN118248346A
主分类号：G16H50/70
分类号：G16H50/70;G16H10/60;G06N3/0475;G06N3/094;G06N3/096
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明涉及数字医疗领域及人工智能技术领域，应用了深度学习技术，涉及一种基于伪标签的症状提取模型的训练方法、装置、电子设备及存储介质，包括：对初始教师模型进行对抗训练，生成对抗样本集，计算出第一损失值，对初始教师模型进行参数更新得到预备教师模型，使模型对噪声扰动更具有鲁棒性，利用所述预备教师模型对未标注数据集进行分析，生成伪标签，利用已标注数据以及生成伪标签的未标注数据对初始学生模型两次训练，得到第二损失值，将损失值相加得到总损失值，与预设阈值进行比较，直至总损失值小于预设阈值，输出目标教师模型作为症状提取模型。在医学领域中，本发明可以提高提取病例症状的准确率。
主权项：1.一种基于伪标签的病例症状提取方法，其特征在于，所述方法包括：获取第一样本集和第二样本集，其中，所述第一样本集中的数据为已标注数据，第二样本集中的数据为未标注数据；基于所述第一样本集对初始教师模型进行对抗训练，生成对抗样本集，根据梯度函数计算所述第一样本集与所述对抗样本集的梯度，将所述第一样本集的梯度和所述对抗样本集的梯度相加得到第一损失值，根据所述第一损失值对所述初始教师模型进行参数更新得到预备教师模型；利用所述预备教师模型对所述第二样本集进行分析，生成对应的伪标签，基于所述伪标签对初始学生模型进行第一次训练，生成预备学生模型；利用所述第一样本集对所述预备学生模型进行第二次训练，得到所述预备学生模型对应的第二损失值，将所述第一损失值和所述第二损失值相加得到总损失值，将所述总损失值与预设阈值比较，若所述总损失值小于预设阈值，则以所述预备教师模型为症状提取模型；若所述总损失值大于或等于预设阈值，则更新所述预备教师模型的参数直至所述总损失值小于预设阈值，得到目标教师模型，将所述目标教师模型作为症状提取模型；获取待提取症状病历集，对所述待提取症状病历集进行预处理，将所述预处理后的待提取症状病历集输入所述症状提取模型提取得到病历症状。
全文数据：
权利要求：
百度查询： 平安科技(深圳)有限公司 基于伪标签的病例症状提取方法、装置、电子设备及储存介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号