【技术实现步骤摘要】
数据分类方法、装置、计算机设备和存储介质
本申请涉及人工智能
，特别是涉及一种数据分类方法、装置、计算机设备和存储介质。
技术介绍
帕金森病是一种神经系统变性疾病，其临床表现主要包括静止性震颤、运动迟缓、肌强直和姿势步态障碍，同时患者可伴有抑郁、便秘和睡眠障碍等非运动症状。在通过精确的医学检查，确诊为帕金森病之前，一般都会经过筛查过程，在此过程中，医生依据评定量表，指导患者完成指定动作，评分主要依赖医生经验，存在主观性导致的偏差，从而导致筛查的效率和准确度较低。随着人工智能技术的发展，为提高帕金森病的筛查效率，出现了通过神经网络模型对患者的症状进行分析的方式，例如，通过分析帕金森病患者的共有特性，例如静止性震颤导致的语音发音变化，通过采集多个帕金森患者的语音数据进行模型训练，并通过训练好的模型进行帕金森病的筛查。但这种筛查方式在实际应用过程中，由于采集对象的紧张情绪等外部因素，筛查结果极易受到各种因素的影响，从而导致模型筛查准确性低。
技术实现思路
基于此，有必要针对模型筛查准确性低的技术问...
【技术保护点】
1.一种数据分类方法，所述方法包括：/n获取样本数据组，所述样本数据组中的数据携带有分类标签，所述样本数据组包括训练集和验证集；/n根据所述训练集中的声学特征参数构建声学特征分类模型，并根据训练集中的书写数据构建书写特征分类模型；/n构建初始帕金森病患者筛查模型，所述初始帕金森病患者筛查模型包括所述声学特征分类模型、所述书写特征分类模型以及初始卷积神经网络模型，所述声学特征分类模型和所述书写特征分类模型的输出作为所述初始卷积神经网络模型的输入；/n以所述验证集作为训练数据，对所述初始帕金森病患者筛查模型进行训练，得到帕金森病患者筛查模型；/n获取待筛查用户的目标声学特征参数...
【技术特征摘要】
1.一种数据分类方法，所述方法包括：
获取样本数据组，所述样本数据组中的数据携带有分类标签，所述样本数据组包括训练集和验证集；
根据所述训练集中的声学特征参数构建声学特征分类模型，并根据训练集中的书写数据构建书写特征分类模型；
构建初始帕金森病患者筛查模型，所述初始帕金森病患者筛查模型包括所述声学特征分类模型、所述书写特征分类模型以及初始卷积神经网络模型，所述声学特征分类模型和所述书写特征分类模型的输出作为所述初始卷积神经网络模型的输入；
以所述验证集作为训练数据，对所述初始帕金森病患者筛查模型进行训练，得到帕金森病患者筛查模型；
获取待筛查用户的目标声学特征参数和目标书写数据，采用得到的帕金森病患者筛查模型对所述目标声学特征参数和所述目标书写数据进行分类处理，得到筛查结果。
2.根据权利要求1所述的方法，其特征在于，所述获取待筛查用户的目标声学特征参数包括：
获取采集的待筛查用户的目标语音数据；
识别所述目标语音数据的每一帧的基音周期；
确定所述基音周期对应的频率和振幅；
根据所述频率和振幅，得到所述目标语音数据对应的目标声学特征参数。
3.根据权利要求1所述的方法，其特征在于，所述获取待筛查用户的目标书写数据包括：
获取采集的待筛查用户的目标书写图像，所述目标书写图像包括螺旋绘制图像或文字书写图像中的至少一种；
对所述目标书写图像进行书写轨迹识别，得到所述目标书写图像对应的目标书写数据。
4.根据权利要求1所述的方法，其特征在于，所述样本数据组还包括测试集；所述以所述验证集作为训练数据，对所述初始帕金森病患者筛查模型进行训练，得到帕金森病患者筛查模型包括：
将所述验证集和测试集分别输入所述声学特征分类模型和所述书写特征分类模型，得到输出的验证结果和测试结果；
将所述验证结果作为所述初始卷积神经网络模型的训练数据，对所述初始卷积神经网络模型进行训练，确定所述初始卷积神经网络模型的模型融合参数；
将所述测试结果作为所述初始卷积神经网络模型的验证数据，更新所述初始卷积神经网络模型的模型融合参数，得到携带有更新模型融合参数的帕金森病患者筛查模型。
5.根据权利要求4所述的方法，其特征在于，所述将所述测试结果作为所述初始卷积神经网络模型的验证数据，更新所述初始卷积神经网络模型的模型融合参数包括：
将所述测试结果作为验证数据，输入所述初始卷积神经网络模型得到输出结果，并确定所述输出结果与所述验证集中分类标签的偏差率；
当所述偏差率大于预设偏差阈值时，对所述模型融合参...
【专利技术属性】
技术研发人员：王腾宽，
申请(专利权)人：平安医疗健康管理股份有限公司，
类型：发明
国别省市：上海;31
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。