申请/专利权人：北京鹰瞳科技发展股份有限公司;上海鹰瞳医疗科技有限公司

申请日：2021-07-15

公开（公告）日：2024-06-25

公开（公告）号：CN113555110B

主分类号：G16H50/20

分类号：G16H50/20;G06F18/2415;G06F18/2433;G06F18/27;G06N3/09

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2021.11.12#实质审查的生效;2021.10.26#公开

摘要：本发明实施例提供了一种训练多疾病转诊模型的方法及设备，该方法包括：获取训练集，其包括多个样本中每个样本的决策轮廓和转诊标签，以及多种转诊分类中每种转诊分类的决策模板；获取机器学习模型，其被配置为根据决策轮廓、决策模板和多个决策权重确定转诊结果，其中，根据决策轮廓和决策模板得到多个距离分量并根据多个决策权重计算决策距离，根据决策距离输出相应样本的转诊结果；利用训练集对机器学习模型进行训练，基于转诊结果和转诊标签对多个决策权重进行调整，得到多疾病转诊模型。本发明可以根据决策轮廓中不同元素对转诊结果的贡献差异，提升模型的转诊分类性能。

主权项：1.一种训练多疾病转诊模型的方法，其特征在于，包括：获取训练集，其包括多个样本中每个样本的决策轮廓矩阵和转诊标签，以及多种转诊分类中每种转诊分类的决策模板矩阵；获取机器学习模型，其被配置为根据决策轮廓、决策模板和多个可学习的决策权重确定转诊结果，其中，根据决策轮廓和决策模板得到多个距离分量并根据多个决策权重计算决策距离，根据决策距离输出相应样本的转诊结果，其中，决策轮廓和决策模板中各位置的元素间的差值为对应位置的距离分量，利用多个可学习的决策权重对不同位置的距离分量进行加权的值确定所述决策距离，每个位置的距离分量设有对应的决策权重；利用训练集对机器学习模型进行训练，基于转诊结果和转诊标签对多个决策权重进行调整，得到多疾病转诊模型，其中，基于转诊结果和转诊标签计算分类损失并根据分类损失对所述可学习的决策权重进行调整以最小化分类损失，其中，在计算分类损失的损失值时，根据相应类别的样本被错分的情况，为每种类别的样本设置相应的惩罚调节参数，所述损失值按照以下公式计算： 其中，i表示样本xi的序号i，ln表示自然对数，e表示常数e，表示第一惩罚调整参数，nc表示第二惩罚调节参数，表示样本xi的决策轮廓DPxi与其转诊标签yi对应的转诊分类的决策模板之间的决策距离， 或者 DPx表示样本x的决策轮廓，DTc表示第c类的决策模板，ai,j表示决策轮廓与决策模板中第i行第j列的元素间的距离分量对应的决策权重，yk＝c表示第k个样本属于第c类，di,jxk表示第i个分类器预测第k个样本属于第j类的概率，Nc表示训练集中属于第c类的样本数。

全文数据：

权利要求：

百度查询： 北京鹰瞳科技发展股份有限公司;上海鹰瞳医疗科技有限公司 一种训练多疾病转诊模型的方法及设备

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD