The invention provides a meta-learning model training method, system and equipment based on electrocardiogram diagnosis, which relates to the technical field of meta-learning, including acquiring a plurality of sample data groups, in which the sample data group includes a plurality of sample data. Multiple label groups are obtained by inputting multiple sample data from multiple sample data groups into meta-learning model. Multiple label groups corresponding to the sample data group are substituted into the meta-loss function to obtain multiple meta-parameters. Multiple meta-parameters are input into the meta-learning optimizer, and the optimal meta-parameters are calculated according to the preset algorithm. The meta-learning model is trained according to the optimal meta-parameters. The meta-learning optimizer retains the meta-parameters in each training session for subsequent processing, so that the meta-learning model has the learning ability of ECG diagnosis.
【技术实现步骤摘要】
基于心电图诊断的元学习模型训练方法、系统和设备
本专利技术涉及元学习的
,尤其是涉及一种基于心电图诊断的元学习模型训练方法、系统和设备。
技术介绍
基于深度学习的方法虽然大大提高了计算机心电图的诊断水平。但其往往需要大量的带标注的样本进行学习。而心电图样本的标注往往工程量巨大,且有些疑难病症的样本难以大规模的获取。此外,由于心电图细分子类众多(超过200类),如果完全采用传统的机器学习或深度学习方法,则每一类需要从零开始学习,这种逐个技能逐步训练的代价太大。针对现有技术中计算机深度学习诊断心电图的水平较低的问题,目前尚未提出有效解决方案。
技术实现思路
有鉴于此,本专利技术的目的在于提供一种基于心电图诊断的元学习模型训练方法、系统和设备,缓解计算机深度学习诊断心电图的水平较低的问题。第一方面,本专利技术实施例提供了一种基于心电图诊断的元学习模型训练方法,包括:获取多个样本数据组,其中,样本数据组包括多个样本数据;将多个样本数据组中的多个样本数据输入元学习模型,得到多个标签组;将多个标签组代入元损失函数,得到多个元参数;将多个元参数输入元学习优化器,根据预设算法进行计算,得到最优元参数;根据最优元参数对元学习模型进行训练。结合第一方面,本专利技术实施例提供了第一方面的第一种可能的实施方式,其中,获取多个样本数据组的步骤,包括重复执行以下处理,直至样本库中的样本数据都被遍历:从样本库中随机挑选M*k个样本数据进行排序,形成样本序列;选取样本序列中的第i个样本数据至第j个样本数据组成第i个样本数据组中,其中,1≤i<j≤M*k。结合第一方面,本专利技术实施例提 ...
【技术保护点】
1.一种基于心电图诊断的元学习模型训练方法,其特征在于,包括:获取多个样本数据组,其中,所述样本数据组包括多个样本数据;将所述多个样本数据组中的所述多个样本数据输入所述元学习模型,得到多个标签组;将多个所述标签组代入元损失函数,得到多个元参数;将多个所述元参数输入元学习优化器,根据预设算法进行计算,得到最优元参数;根据所述最优元参数对所述元学习模型进行训练。
【技术特征摘要】
1.一种基于心电图诊断的元学习模型训练方法,其特征在于,包括:获取多个样本数据组,其中,所述样本数据组包括多个样本数据;将所述多个样本数据组中的所述多个样本数据输入所述元学习模型,得到多个标签组;将多个所述标签组代入元损失函数,得到多个元参数;将多个所述元参数输入元学习优化器,根据预设算法进行计算,得到最优元参数;根据所述最优元参数对所述元学习模型进行训练。2.根据权利要求1所述的基于心电图诊断的元学习模型训练方法,其特征在于,所述获取多个样本数据组的步骤,包括重复执行以下处理,直至样本库中的样本数据都被遍历:从所述样本库中随机挑选M*k个所述样本数据进行排序,形成样本序列;选取所述样本序列中的第i个样本数据至第j个样本数据组成第i个样本数据组,其中,1≤i<j≤M*k。3.根据权利要求1所述的基于心电图诊断的元学习模型训练方法,其特征在于,所述样本数据包括心电图数据和与所述心电图数据相关联的病症标签,所述标签组包括与同一所述心电图数据相关联的所述病症标签和预测标签,将所述多个样本数据组中的所述多个样本数据输入所述元学习模型,得到多个标签组包括重复执行以下处理,直至所述多个样本数据组都被遍历:将第i个样本数据组中的第a个所述心电图数据输入第i元学习模型,得到与所述心电图数据相关联的第a个预测标签,i≤a≤j;将所述样本数据组中的多个所述心电图数据输入所述元学习模型,得到多个与所述心电图数据相关联的预测标签。4.根据权利要求3所述的基于心电图诊断的元学习模型训练方法,其特征在于,所述将多个所述标签组代入元损失函数,得到多个元参数的步骤,包括,重复执行以下处理,直至所述多个标签组都被遍历:将所述第i个样本数据组中的多个所述标签组...
【专利技术属性】
技术研发人员:朱佳兵,李毅,朱涛,张玮,罗伟,
申请(专利权)人:武汉中旗生物医疗电子有限公司,
类型:发明
国别省市:湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。