用于肺部疾病检测的模型训练方法、设备、装置和介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114970772A(43)申请公布日2022.08.30(21)申请号202210883388.9(22)申请日2022.07.26(71)申请人北京纳通医用机器人科技有限公司地址100094北京市海淀区澄湾街9号院1号楼3层G357(72)发明人熊先华刘立波董骧(74)专利代理机构北京清亦华知识产权代理事务所(普通合伙)11201专利代理师孟洋(51)Int.Cl.G06K9/62(2022.01)G06N3/08(2006.01)A61B5/08(2006.01)权利要求书3页说明书21页附图8页(54)发明名称用于肺部疾病检测的模型训练方法、设备、装置和介质(57)摘要本公开提供了一种用于肺部疾病检测的模型训练方法、设备、装置和介质，其中，方法包括：获取样本数据的集合，样本数据用于指示对应受试者的身体状态、呼出气体的气体检测信息和受试者所处环境的环境信息；获取集合中各样本数据的标注，标注用于指示对应样本数据中的受试者是否具有目标肺部疾病；采用经过标注的样本数据的集合，对识别模型进行训练，以得到经过训练的目标识别模型。由此，同时基于受试者的身体状态、受试者呼出气体的气体检测信息和受试者所处环境的环境信息，对识别模型进行训练，可以提升模型的预测效果，即提升模型预测结果的准确性和可靠性。CN114970772ACN114970772A权利要求书1/3页1.一种用于肺部疾病检测的模型训练方法，其特征在于，包括：获取样本数据的集合；其中，所述样本数据用于指示对应受试者的身体状态、所述受试者呼出气体的气体检测信息和所述受试者所处环境的环境信息；获取所述集合中各所述样本数据的标注，其中，所述标注，用于指示对应样本数据中的受试者是否具有目标肺部疾病；采用经过标注的样本数据的集合，对识别模型进行训练，以得到经过训练的目标识别模型。2.根据权利要求1所述的模型训练方法，其特征在于，所述获取样本数据的集合，包括：获取多个受试者中任意一个目标受试者的多个采样时刻下的气体检测数据和环境检测数据；根据所述多个采样时刻下的气体检测数据，进行特征提取，以将提取到的气体检测数据的统计特征作为所述目标受试者的气体检测信息；根据所述多个采样时刻下的环境检测数据，进行特征提取，以将提取到的环境检测数据的统计特征作为所述目标受试者的环境信息；根据所述目标受试者的气体检测信息、所述目标受试者的环境信息和所述目标受试者的身体状态，分别确定所述目标受试者的样本数据中对应的维度的取值。3.根据权利要求2所述的模型训练方法，其特征在于，所述气体检测数据的统计特征，包括多个采样时刻下所述气体检测数据中的最大值、最大正斜率、最大负斜率、全峰面积和半峰宽中的一个或多个组合；和/或，所述环境检测数据的统计特征，包括多个采样时刻下所述环境检测数据的平均值。4.根据权利要求2所述的模型训练方法，其特征在于，所述获取多个受试者中任意一个目标受试者的多个采样时刻下的气体检测数据和环境检测数据之后，还包括：采用均值滤波算法，对所述多个采样时刻下的所述气体检测数据进行滤波；和/或，采用均值滤波算法，对所述多个采样时刻下的所述环境检测数据进行滤波。5.根据权利要求1‑4任一项所述的模型训练方法，其特征在于，各所述样本数据均包括多个维度，所述采用经过标注的样本数据的集合，对识别模型进行训练，以得到经过训练的目标识别模型，包括：根据各维度的取值范围，对所述集合中的样本数据，剔除异常数据，以得到保留的训练样本；其中，所述异常数据中取值未处于对应维度的取值范围内的维度数量为至少设定数目；采用保留的训练样本，对识别模型进行训练，以得到经过训练的目标识别模型。6.根据权利要求5所述的模型训练方法，其特征在于，所述根据各维度的取值范围，对所述集合中的样本数据，剔除异常数据，以得到保留的训练样本之后，还包括：根据所述集合中保留的多个训练样本在至少一个维度上的取值，进行对应维度的取值归一化处理。7.根据权利要求1‑4任一项所述的模型训练方法，其特征在于，所述采用经过标注的样本数据的集合，对识别模型进行训练，以得到经过训练的目标识别模型，包括：对所述集合中的样本数据进行分组，以得到k个子集；其中k为大于1的自然数；根据所述k个子集，采用k折交叉验证算法，对识别模型进行训练，以确定模型超参数。2CN114970772A权利要求书2/3页8.根据权利要求1‑4任一项所述的模型训练方法，其特征在于，所述识别模型为支持向量机SVM二分类模型；其中，所述SVM二分类模型的激活函数采用径向基RBF核函数。9.一种电子设备，其特征在于，所述电子设备包括存储器，收发机，处理器；存储器，用于存储计算机程序；收发机，用于在所述处理器的控制下收发数据；处理器，用于读取所