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！

摘要：本发明提供一种基于Cross‑FiBiNet的无精症手术决策分类方法。该方法包括：获取数据集；对数据集进行预处理；将预处理后的数据集按照患者的临床激素指标、患者的染色体信息和患者的基因信息分成三个不同的field；将分成三个不同的field后的数据集划分为训练集、验证集和测试集；搭建Cross‑FiBiNet网络模型；将训练集输入Cross‑FiBiNet网络模型进行训练，将验证集输入训练后的Cross‑FiBiNet网络模型进行优化，保存最终优化后的Cross‑FiBiNet网络模型；将测试集输入最终优化后的Cross‑FiBiNet网络模型进行患者的无精症手术决策分类结果的预测，得到预测结果。本发明有效地利用患者的临床激素指标、患者的基因信息、以及患者的染色体信息，构建一个精准的无精症手术方案预测模型，实现对患者无精子症诊断模式的预测。

主权项：1.一种基于Cross-FiBiNet的无精症手术决策分类方法，其特征在于，包括：步骤S1：获取数据集；其中，所述数据集为包含有患者的检查信息的表格数据；所述患者的检查信息包括：患者的临床激素指标、患者的基因信息、以及患者的染色体信息；步骤S2：对所述数据集进行预处理；步骤S3：将预处理后的数据集按照所述患者的临床激素指标、患者的染色体信息、以及患者的基因信息分成三个不同的field；其中，每个field表示一个特征组合；步骤S4：按照预设比例将分成三个不同的field后的数据集划分为训练集、验证集和测试集；步骤S5：搭建Cross-FiBiNet网络模型；其中，所述Cross-FiBiNet网络模型包括局部信息交叉处理模块和全局信息交叉处理模块；局部信息交叉处理模块包括三个分局部信息交叉处理模块；每个分局部信息交叉处理模块包括：嵌入层、挤压激励网络层、编码层、双线性交互层和合并层；所述全局信息交叉处理模块包括：结合层、交叉网络层、深度网络层和结合输出层；所述嵌入层，用于接收所述患者的临床激素指标、患者的染色体信息、或患者的基因信息分别对应field的数据集，并将所述对应field的数据集变成对应的低维稠密特征；所述挤压激励网络层，用于接收所述嵌入层的输出，并对所述嵌入层输出的低维稠密特征间的依赖关系进行提取，经过池化、压缩和加权后，得到含有局部特征重要性的输出特征；所述编码层，用于接收所述含有局部特征重要性的输出特征，并进一步增强所述含有局部特征重要性的输出特征，以有助于实现将所述含有局部特征重要性的输出特征中的重要特征信息更加有效地集成到最终的特征表示中，以及使得该Cross-FiBiNet网络模型能够捕捉到特征之间更复杂的交互和依赖关系，以及以实现该编码层自身引入更多的层次和变换，以帮助该Cross-FiBiNet网络模型在训练过程中更好地收敛，并减少过拟合的风险；所述双线性交互层，用于接收所述患者的临床激素指标、患者的染色体信息、或患者的基因信息分别对应field的数据集，以及接收编码层输出的特征，将接收到的对应field的数据集和编码层输出的特征进行拼接，计算每一对field之间的双线性交互，输出患者的临床激素指标的局部交叉结果、患者的染色体信息的局部交叉结果、或患者的基因信息的局部交叉结果；所述合并层，用于将患者的临床激素指标的局部交叉结果、患者的染色体信息的局部交叉结果、和患者的基因信息的局部交叉结果进行合并，形成一个新的特征表示；所述结合层，用于接收所述新的特征表示、以及所述患者的临床激素指标、患者的染色体信息、和患者的基因信息分别对应field的数据集，将所述新的特征表示作为稀疏特征，将所述患者的临床激素指标、患者的染色体信息、和患者的基因信息分别对应field的数据集作为稠密特征，将所述稀疏特征和所述稠密特征进行拼接后同时传递给所述交叉网络层和所述深度网络层；所述交叉网络层，用于通过递归的方式对自身的输入特征进行交叉计算；其中，所述交叉网络层每一层的输出被计算为上一层输出和该每一层输入特征的交叉；所述深度网络层，用于提升自身的输入特征的表达能力，以及用于增强该Cross-FiBiNet网络模型的非线性建模能力；所述结合输出层，用于接收所述交叉网络层的输出和所述深度连接层的输出，再通过全连接层生成最终的预测输出；步骤S6：将所述训练集输入所述Cross-FiBiNet网络模型进行训练，将所述验证集输入训练后的Cross-FiBiNet网络模型进行优化，保存最终优化后的Cross-FiBiNet网络模型；步骤S7：将所述测试集输入所述最终优化后的Cross-FiBiNet网络模型进行患者的无精症手术决策分类结果的预测，得到患者的无精症手术决策分类的预测结果。

全文数据：

权利要求：

百度查询： 东北大学 一种基于Cross-FiBiNet的无精症手术决策分类方法