-
公开(公告)号:CN114202009A
公开(公告)日:2022-03-18
申请号:CN202111136341.8
申请日:2021-09-27
Applicant: 南开大学
Abstract: 本申请提出了一种基于PU学习的医疗设备性能指标异常检测方法和装置,该方法包括:以历史关键性能指标KPI流为训练数据,将训练数据按照相似程度进行聚类,获取每个簇的质心曲线,并对每个簇的质心曲线进行标注,获取第一异常标注数据和第一无标注数据;基于第一异常标注数据和第一无标注数据,通过正例未标PU学习构建二进制分类器,并结合主动学习获取每个簇的质心曲线的异常标签和正常标签;获取待检测的KPI流对应的簇的质心曲线上的标签,通过半监督学习训练待检测的KPI流对应的异常检测模型,并通过异常检测模型检测待检测的KPI流。该方法在最大限度地减少标注工作量的同时,提升了医疗设备性能指标异常检测的准确性。
-
公开(公告)号:CN114118201A
公开(公告)日:2022-03-01
申请号:CN202111138481.9
申请日:2021-09-27
Applicant: 南开大学
Abstract: 本申请提出了一种基于主动学习的医疗设备性能指标检测方法和装置,该方法包括:S1:通过训练数据集中的异常标注数据和未标注数据训练第一分类器,通过第一分类器从未标注数据中标记正常数据;S2:通过异常标注数据和正常数据训练第二分类器;S3:通过第二分类器对每个未标注数据进行预测,根据预测分数确定候选异常数据;S4:人工判断候选异常数据是否为异常数据,若是,则标记候选异常数据为异常标注数据;S5:判断异常标注数据和正常数据的数量是否达到预设值,若否,则重复执行S3和S4直至达到预设值;S6:根据获取的标记数据对医疗设备的关键性能指标KPI流进行检测。该方法可避免正常样本被误标注为异常样本,提高了异常检测的准确性。
-