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：中国人民解放军总医院;北京科技大学

摘要：本发明涉及模型训练领域，尤其涉及一种用于跨医疗中心慢性病分类模型构建方法，方法包括：根据各专家模型对应的特定标签之间是否存在相同特定标签，建立专家关系集合；通过适应选择器评估各专家模型对相同特定标签的硬预测概率，根据两专家模型针对相同特定标签的硬预测概率确定预测处理方式；确定传递模型和接收模型；建立有效专家集合以及候选概率集合，根据候选概率集合以及有效专家集合得到各相同特定标签的最终整合概率；进行目标模型训练，通过最小化预测概率和综合概率之间的二元交叉熵损失针对目标模型的参数进行迭代更新，避免针对慢性病之间存在高度相关性且不同医疗中心的医疗数据差异大导致的模型学习效率差的问题。

主权项：1.一种用于跨医疗中心慢性病分类模型构建方法，其特征在于，包括：S1，根据各专家模型对应的特定标签之间的相同特定标签，建立专家关系集合；S2，响应实例条件，通过适应选择器评估各专家模型对相同特定标签的硬预测概率，根据两专家模型针对相同特定标签的硬预测概率确定预测处理方式；S3，响应模型传递条件，根据两专家模型对应的预测概率的差值状态确定传递模型和接收模型，或，根据两专家模型的概率契合状态确定传递模型和接收模型；且在传递模型以及接收模型确认完成时，将传递模型的正预测转移至接收模型；S4，获取各相同特定标签对应的有效专家模型，建立有效专家集合以及候选概率集合，根据候选概率集合以及有效专家集合得到各相同特定标签的最终整合概率；S5，进行目标模型训练，其中，每个时间步向目标模型输入训练数据，训练数据包括目标特征、来自上一个时间步的对数几率以及硬预测概率；S6，通过最小化预测概率和综合概率之间的二元交叉熵损失针对目标模型的参数进行迭代更新；步骤S1中，在全部专家模型中建立关系集合，设定，其中，为第o个专家关系组合，每个专家关系组合由两个专家模型和它们共有的相同特定标签组成，omax为专家关系组合的总数，将对应的两专家模型随机分别记为，共有的相同特定标签记为，设定，与共有的特定标签，记为相同特定标签；专家模型为医疗中心预先训练得到的慢性病识别模型；硬预测概率的确认方式为，设定提供的的预测概率为，通过阈值0.5对进行二值化，二值化后的得到硬预测概率为0或1，为第t个专家模型，为第j个特定标签，t以及j均为大于0的自然整数，t的最大值为专家模型的总数，j的最大值为特定标签的总数，将硬预测概率为0记为硬预测为负，将硬预测概率为1记为硬预测为正；所述目标模型即最终需要训练得到的模型；在步骤S2中，相同特定标签对应的专家模型输出对数几率，通过sigmoid函数将对数几率转换为预测概率；其中，的对数几率记为，的预测概率为，的对数几率记为，的预测概率为，设定，，，，；所述响应实例条件为用户上传目标特征，目标特征为x，x为用户自行上传的实际病例；在步骤S5中，目标模型训练中，在每个时间步中向目标模型输入训练数据，包括目标特征，来自上一个时间步的对数几率和硬预测概率；针对第k个时间步，其对应训练数据中，目标特征记为，对数几率记为，硬预测概率记为； ；在步骤S5中，将记为时间步获得正预测的标签，最后一个时间步的所有标签的联合概率为： ；其中，通过从选择硬预测为正的时间步携带其对数几率，获得每个标签的最终对数几率，将中所有标签的最终对数几率记为，通过sigmoid函数获得每个标签的预测概率： 。

全文数据：

权利要求：

百度查询： 中国人民解放军总医院 北京科技大学 一种用于跨医疗中心慢性病分类模型构建方法