【技术实现步骤摘要】
本专利技术涉及数据处理，更具体的说是涉及基于域增量学习的抑郁障碍检测模型训练方法及电子设备。
技术介绍
1、重度抑郁症（mdd）是一种常见的心理健康障碍，影响了数百万人的生活质量。准确、早期的抑郁症诊断对于及时干预和有效治疗至关重要。近年来，深度学习技术在医学领域中的应用取得了显著进展，为抑郁症的诊断和监测提供了新的可能性。尽管目前的深度神经网络在mdd检测任务中表现出有希望的性能，但这些模型需要同时访问所有可用数据。在现实世界中，不同的机构通常在不同时间收集临床数据，使得在初始训练阶段访问所有数据变得不可用。因此，现阶段转向了域增量学习（dil）来处理连续数据流，该方法旨在使模型适应新数据而不影响其在历史任务上的性能。尽管对人类来说这可能似乎很轻松，但经过良好训练的模型通常会遭受“灾难性遗忘”的困扰，即当它们获取新信息时会忘记先前学到的知识。现有的主流dil方法假设在模型训练过程中可以轻松访问旧数据，这要么保留了历史数据的一小部分，要么通过统计属性使用生成回放技术。然而，实际情况是“旧数据的可访问性可能有限”，原因包括隐私问题（如生物...
【技术保护点】
1.一种基于域增量学习的抑郁障碍检测模型训练方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于域增量学习的抑郁障碍检测模型训练方法，其特征在于，所述训练数据集包括从社交平台收集的抑郁症用户信息和非抑郁症用户信息。
3.根据权利要求1所述的一种基于域增量学习的抑郁障碍检测模型训练方法，其特征在于，所述将获取的训练数据集进行训练，得到特征提取网络模型为：
4.根据权利要求1所述的一种基于域增量学习的抑郁障碍检测模型训练方法，其特征在于，通过所述特征提取网络模型得到训练数据集中不同类别样本上的标签预测结果，包括：
<...【技术特征摘要】
1.一种基于域增量学习的抑郁障碍检测模型训练方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于域增量学习的抑郁障碍检测模型训练方法，其特征在于，所述训练数据集包括从社交平台收集的抑郁症用户信息和非抑郁症用户信息。
3.根据权利要求1所述的一种基于域增量学习的抑郁障碍检测模型训练方法，其特征在于，所述将获取的训练数据集进行训练，得到特征提取网络模型为：
4.根据权利要求1所述的一种基于域增量学习的抑郁障碍检测模型训练方法，其特征在于，通过所述特征提取网络模型得到训练数据集中不同类别样本上的标签预测结果，包括：
5.根据权利要求1所述的一种基于域增量学习的抑郁障碍检测模型训练方法，其特征在于，所述利用js散度比较预测结果之间的差异，包括：
6.根据权利要求1所述的一种基于域增量学习的抑郁障...
【专利技术属性】
技术研发人员：郭艳蓉，陈涛，郝世杰，洪日昌，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：
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。