龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：西安交通大学医学院第二附属医院
摘要：本申请公开了一种基于单次诊疗经验学习的大模型持续优化方法及装置，包括：进行编码步骤，获得用于存储经过编码器网络处理后的图像特征的空间；对于同一样本患者的两张随机图像，使用编码器网络生成其低维表示向量，并通过多实例对比学习损失最大化向量间的互信息；对综合图像中的非图像数据进行聚类，将具有相似特征的患者分为不同的类别；构建异构多图渐进式嵌入学习的模型；计算非图像数据的余弦相似度，优化嵌入表示；建立表达式融合历史知识与新知识；计算平均交叉熵损失并结合预测结果构建集成策略，使模型在持续学习中融合历史知识与新知识，解决了如何进行模型的参数优化、使模型持续学习和优化模型的可扩展性的问题。
主权项：1.一种基于单次诊疗经验学习的大模型持续优化方法，其特征在于，包括：获取样本患者的原始图像，对所述原始图像进行预处理步骤；其中，所述预处理步骤为：将所述原始图像的图像域映射到虚拟图像域，将虚拟图像域映射到标准解剖图像域；使用编码器网络对预处理步骤后的图像进行编码步骤，获得用于存储经过编码器网络处理后的图像特征的空间；对于同一样本患者的两张随机图像，使用编码器网络生成其低维表示向量，并通过多实例对比学习损失最大化向量间的互信息；计算样本患者的多张图像的平均值，将多张图像融合成一个综合图像；对综合图像中的非图像数据进行聚类，将具有相似特征的患者分为不同的类别，从而获得患者数据的表征结果；其中，每个类别对应一个不同的节点集合；基于所述患者数据的表征结果构建异构多图渐进式嵌入学习的模型；计算非图像数据的余弦相似度，并利用图像和非图像数据生成统一的节点嵌入表示，通过损失函数和共识正则化损失优化嵌入表示；校准模型参数和计算梯度使模型快速学习新知识；使用在线参数高效调整模块和离线参数高效调整模块建立表达式融合历史知识与新知识；计算平均交叉熵损失并结合在线参数高效调整模块和离线参数高效调整模块的预测结果构建集成策略，使模型在持续学习中融合历史知识与新知识。
全文数据：
权利要求：
百度查询： 西安交通大学医学院第二附属医院 一种基于单次诊疗经验学习的大模型持续优化方法及装置
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