申请/专利权人：上海交通大学医学院附属上海儿童医学中心

申请日：2023-10-26

公开（公告）日：2024-02-02

公开（公告）号：CN117497168A

主分类号：G16H50/20

分类号：G16H50/20;G16H50/70;G16H30/40;G06V40/16;G06V10/84;G06N3/0464;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.02.23#实质审查的生效;2024.02.02#公开

摘要：本发明属于疾病辅助诊断技术领域，具体涉及一种基于小样本特征增强的罕见病训练方法、诊断方法及系统。其中，基于小样本特征增强的罕见病诊断方法，包括：获取待诊断图像，将待诊断图像送入训练好的特征提取网络中提取人脸特征，将人脸特征送入分类器中，得到人脸分类向量，分类器是测试时所采用的分类器；将人脸分类向量经过预设的归一化指数函数得到分类概率，并将分类概率最高的若干类别及对应概率值作为输出结果。本发明极大缓解了罕见病样本量少带来的分类精度下降的问题，让特征提取网络更加地鲁棒，分类效果更加地准确。

主权项：1.一种基于小样本特征增强的罕见病训练方法，其特征在于，包括：采集正常人脸图像及罕见病人脸图像，构成数据集，根据患罕见病种类的不同，对所述数据集打上分类标签；对所述数据集内的所有图像进行若干次旋转操作，致使所述数据集中每张图像生成对应的若干新的增强语义类，并修改各分类标签，得到扩充后的数据集，将扩充后的所述数据集分成训练集和测试集；将所述训练集送入预设的特征提取网络中，得到若干增强语义特征，将若干所述增强语义特征送入预设的全连接分类网络，得到若干增强语义分类向量，通过若干所述增强语义分类向量和所述分类标签确定多分类损失函数值，根据所述多分类损失函数值训练所述特征提取网络的参数和所述全连接分类网络的参数，在预设迭代次数内记录所述训练集分类准确度最大时的特征提取网络的参数和全连接分类网络的参数，作为目标参数；去除所述全连接分类网络，将所述目标参数下所述训练集训练得到的若干所述增强语义特征的特征均值作为预设分类器的参数，将所述测试集输入所述分类器中，得到若干测试分类向量，将属于同一张图像的若干所述测试分类向量进行融合，得到测试结果。

全文数据：

权利要求：

百度查询： 上海交通大学医学院附属上海儿童医学中心 基于小样本特征增强的罕见病训练方法、诊断方法及系统

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