[發明專利]基于雙重遷移的認知障礙輔助決策支持方法和系統有效
| 申請號： | 202110203086.8 | 申請日： | 2021-02-23 |
| 公開（公告）號： | CN112861879B | 公開（公告）日： | 2022-11-01 |
| 發明（設計）人： | 陳益強;秦欣;谷洋;盧旺 | 申請（專利權）人： | 中國科學院計算技術研究所 |
| 主分類號： | G06V10/44 | 分類號： | G06V10/44;G06V10/774;G06V10/764;G06V10/77;G06N20/00 |
| 代理公司： | 北京律誠同業知識產權代理有限公司 11006 | 代理人： | 祁建國 |
| 地址： | 100080 北*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 雙重 遷移 認知 障礙 輔助 決策 支持 方法 系統 | ||
1.一種基于雙重遷移的認知障礙輔助決策支持方法，其特征在于，包括：
步驟1、獲取已標記標簽的腦部血管造影圖片作為源域數據，并獲取眼底圖片作為目標域數據，從該目標域數據中采樣有標簽且分布均衡的圖片數據作為元數據；
步驟2、初始化分類網絡、元權重網絡和訓練迭代次數；
步驟3、分類網絡對源域數據與目標域數據進行特征提取，并對提取到的源域和目標域的特征進行基于多種分布度量的適配，得到源域與目標域間的適配損失；
步驟4、根據分類網絡在源域數據上的分類結果，得到源域分類損失，將該源域分類損失輸入元權重網絡，得到該源域分類損失的損失權重，該損失權重和該源域分類損失相乘得到加權分類損失，結合該加權分類損失與該適配損失，根據損失梯度下降方向計算分類網絡權重；
步驟5、將該元數據輸入至該分類網絡，得到元損失，根據元損失梯度下降方向更新元權重網絡；
步驟6、根據更新后的元權重網絡，更新分類網絡，訓練迭代次數加1；
步驟7、判斷該迭代次數是否達到預設值，若是則保存當前分類網絡作為認知障礙輔助模型，否則繼續執行該步驟3到步驟6；
步驟8、將待決策支持的眼底圖片輸入該知障礙輔助模型，得到識別結果根據識別結果進行認知障礙預警。
2.如權利要求1所述的基于雙重遷移的認知障礙輔助決策支持方法，其特征在于，對于每一次訓練迭代，從源域數據中采樣n組樣本與標簽作為一個小批量，n為正整數。
3.如權利要求1所述的基于雙重遷移的認知障礙輔助決策支持方法，其特征在于，該步驟3包括：對提取到的源域和目標域的特征進行基于融合多種分布度量方式的適配。
4.如權利要求3所述的基于雙重遷移的認知障礙輔助決策支持方法，其特征在于，該多種分布度量方式包括MMD和CORAL；
對于最大均值差異的損失LMMD通過如下方式計算：
其中，ψ(·)為將數據映射到再生希爾伯特空間的特征映射函數，為再生希爾伯特空間平方范數，Hk為由顯著核k定義的再生希爾伯特空間，E[·]表示嵌入樣本的均值，xs為源域數據，xt為目標域數據，P和Q分別表示源域與目標域的概率分布；
關聯對齊方法的損失LCORAL通過如下方式計算：
其中，Cs和Ct分別為源域與目標域特征的協方差矩陣，為弗羅貝尼烏斯范數的平方，d為特征的維度；
將上述兩種分布度量方法相結合，對源域與目標域的特征進行適配，得到的適配損失為：
Ladapt＝LMMD+μLCORAL,
其中，μ為用來調整兩種損失的重要程度的權衡參數。
5.如權利要求1所述的基于雙重遷移的認知障礙輔助決策支持方法，其特征在于，該元權重網絡基于多層感知機，該元權重網絡輸出源域樣本損失權重，用以對樣本損失加權，增強與目標域分布相似度大的源域樣本知識。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于中國科學院計算技術研究所，未經中國科學院計算技術研究所許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110203086.8/1.html，轉載請聲明來源鉆瓜專利網。
