System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
【国外来华专利技术】
本专利技术的内容涉及一种医疗领域的深度学习技术,具体地,涉及一种利用归纳偏置传递(inductive bias transfer)让深度学习模型学习并且把已学习的深度学习模型应用于医疗领域的方法。
技术介绍
1、为了深度学习模型的泛化(generalization)而需要使用大量数据。例如,现有变换器(transformer)模型之一使用3亿数据点的额外数据在图像网(imagenet)基准(benchmark)发挥出高于其它基于卷积(convolution)的接近方式的性能。然而,在所有的域(domain)确保大数据不容易。因此,在获取大量数据时需要花费庞大成本的诸如医疗领域之类的域(domain)中深度学习模型的使用依然受到了限制。
2、很多研究人员提出了下述解决方案,即,不依靠庞大数据数量地把深度学习模型泛化问题予以缓和的解决方案。解决方案之一是以知识蒸馏(knowledge distillation)为基础的数据高效图像变换器(deit,data efficient image transformer)。数据高效图像变换器(deit)把卷积神经网络作为变换器(transformer)的教师(teacher)使用,采取了通过额外的令牌(token)把在泛化性能中发挥重要作用的卷积神经网络的知识蒸馏到变换器(transformer)的方式。数据高效图像变换器(deit)假设能通过该蒸馏方式把卷积神经网络的归纳偏置(inductive bias)编码(encoding)到变换器(transformer)而提高性能。<
...【技术保护点】
1.一种以医疗数据为基础的深度学习模型的学习方法,由包括至少一个处理器的计算装置执行,其特征在于,包括下列步骤:
2.根据权利要求1所述的以医疗数据为基础的深度学习模型的学习方法,其特征在于,把表示已学习的所述第一神经网络模型所含神经网络块的第一运算函数和表示第二神经网络模型所含神经网络块的第二运算函数予以匹配,从而以已学习的所述第一神经网络模型为基础让所述第二神经网络模型学习的步骤包括下列步骤,即,
3.根据权利要求2所述的以医疗数据为基础的深度学习模型的学习方法,其特征在于,
4.根据权利要求3所述的以医疗数据为基础的深度学习模型的学习方法,其特征在于,所述第一副损失函数及所述第二副损失函数分别包括用于把对应于所述第n个神经网络块的第一运算函数和对应于所述第n个神经网络块的第二运算函数的维度予以匹配的变换函数。
5.根据权利要求4所述的以医疗数据为基础的深度学习模型的学习方法,其特征在于,所述变换函数包括:
6.根据权利要求4所述的以医疗数据为基础的深度学习模型的学习方法,其特征在于,所述第一副损失函数所含变换函数是
7.根据权利要求4所述的以医疗数据为基础的深度学习模型的学习方法,其特征在于,所述第二副损失函数所含变换函数是把对应于所述第n-1个神经网络块的第二运算函数的输出的维度匹配到对应于所述第n个神经网络块的第一运算函数的输入的维度并且把对应于所述第n个神经网络块的第一运算函数的输出的维度匹配到对应于所述第n个神经网络块的第二运算函数的输出的维度的函数。
8.根据权利要求2所述的以医疗数据为基础的深度学习模型的学习方法,其特征在于,所述损失函数还包括第三副损失函数,用于运算接收了所述医疗数据的输入的所述第一神经网络模型的输出和接收了所述医疗数据的输入的所述第二神经网络模型的输出之间的差异。
9.根据权利要求8所述的以医疗数据为基础的深度学习模型的学习方法,其特征在于,所述第三副损失函数包括把接收了所述医疗数据的输入的所述第一神经网络模型的输出的维度匹配到接收了所述医疗数据的输入的所述第二神经网络模型的输出的维度的变换函数。
10.根据权利要求1所述的以医疗数据为基础的深度学习模型的学习方法,其特征在于,
11.根据权利要求1所述的以医疗数据为基础的深度学习模型的学习方法,其特征在于,
12.根据权利要求1所述的以医疗数据为基础的深度学习模型的学习方法,其特征在于,所述医疗数据包括心电图数据或电子健康记录数据中的至少一个。
13.一种以医疗数据为基础的深度学习模型的推论方法,由包括至少一个处理器的计算装置执行,其特征在于,包括下列步骤:
14.一种计算机程序,存储在计算机可读存储介质,其特征在于,
15.一种让以医疗数据为基础的深度学习模型学习的计算装置,其特征在于,
...【技术特征摘要】
【国外来华专利技术】
1.一种以医疗数据为基础的深度学习模型的学习方法,由包括至少一个处理器的计算装置执行,其特征在于,包括下列步骤:
2.根据权利要求1所述的以医疗数据为基础的深度学习模型的学习方法,其特征在于,把表示已学习的所述第一神经网络模型所含神经网络块的第一运算函数和表示第二神经网络模型所含神经网络块的第二运算函数予以匹配,从而以已学习的所述第一神经网络模型为基础让所述第二神经网络模型学习的步骤包括下列步骤,即,
3.根据权利要求2所述的以医疗数据为基础的深度学习模型的学习方法,其特征在于,
4.根据权利要求3所述的以医疗数据为基础的深度学习模型的学习方法,其特征在于,所述第一副损失函数及所述第二副损失函数分别包括用于把对应于所述第n个神经网络块的第一运算函数和对应于所述第n个神经网络块的第二运算函数的维度予以匹配的变换函数。
5.根据权利要求4所述的以医疗数据为基础的深度学习模型的学习方法,其特征在于,所述变换函数包括:
6.根据权利要求4所述的以医疗数据为基础的深度学习模型的学习方法,其特征在于,所述第一副损失函数所含变换函数是把对应于所述第n-1个神经网络块的第一运算函数的输出的维度匹配到对应于所述第n个神经网络块的第二运算函数的输入的维度并且把对应于所述第n个神经网络块的第二运算函数的输出的维度匹配到对应于所述第n个神经网络块的第一运算函数的输出的维度的函数。
7.根据权利要求4所述的以医疗数据为基础的深度学习模型的学习方法,其特征在于,所述第二副损失函数所含变换函数是把对应...
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。