-
公开(公告)号：CN115641966A
公开(公告)日：2023-01-24
申请号：CN202211400249.2
申请日：2022-11-09
Applicant: 广东工业大学
Abstract: 本发明针对现有技术的局限性，提出了一种基于循环神经网络结合迁移学习和知识蒸馏的麻醉深度预测方法，在模型训练的时候考虑了不同对象的数据分布差异大的问题，并对这种情况使用域适应的方法来解决，使得模型面对新的数据，具有更强的泛化能力和鲁棒性；使用教师学生类的知识蒸馏的方法来压缩我们模型的大小，使其轻量化，并且通过使学生的中间特征表示模仿教师的中间特征表示，来进一步提升学生模型预测麻醉深度的准确度。
-
公开(公告)号：CN117934494A
公开(公告)日：2024-04-26
申请号：CN202410117599.0
申请日：2024-01-26
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于形状指引的无监督域适应医学图像分割方法与系统，以无监督域适应的方式构建框架，能够极大的缓解严重的性能衰退；本发明通过基于形状指引的方式来构建无监督域适应的框架，能够使得能够在无监督情况下学习医学图像的结构信息，有助于更准确地分割出不同的组织结构和器官，提高分割精度。同时学习形状信息的训练方式相较于生成对抗反式更容易训练。通过基于补全标签掩码的方式来学习器官的形状、结构信息，这能够使得形状学习模型能够针对每一个人得器官形状进行补全，而不是仅仅学习一个数据集中的器官的平均模板。这种方式能在很大程度下降低不同模态、甚至于不同器官之间域间距过大，而导致性能急剧下降的情况。
-
公开(公告)号：CN115444366A
公开(公告)日：2022-12-09
申请号：CN202211058372.0
申请日：2022-08-30
Applicant: 广东工业大学
Abstract: 本发明涉及麻醉技术领域，公开了一种麻醉深度预测方法，包括：S1、获取TIVA全身麻醉注射的真实手术记录，将手术记录中的麻醉药物注射历史作为原始数据集；S2、对原始数据集进行预处理，将预处理后的原始数据集划分为训练集、验证集和测试集；S3、构建麻醉深度预测网络模型，麻醉深度预测网络模型包括PK‑PD模型、时序信息编码器和注意力机制解码器；S4、利用训练集对麻醉深度预测网络模型进行训练，利用验证集对训练过程中的麻醉深度预测网络模型进行评估，利用测试集测试麻醉深度预测网络模型的有效性，得到训练好的麻醉深度预测网络模型；S5、获取患者的麻醉药物注射历史，将患者的麻醉药物注射历史输入训练好的目标检测模型，输出麻醉深度预测结果。
-
公开(公告)号：CN119049654A
公开(公告)日：2024-11-29
申请号：CN202411177077.6
申请日：2024-08-26
Applicant: 广东工业大学
Abstract: 本发明涉及麻醉深度预测技术领域，提出一种小样本麻醉深度预测方法及系统，包括：采集麻醉手术记录数据作为源域数据与小样本数据并进行预处理，建立教师模型和学生模型，将所述源域数据输入教师模型进行训练；基于完成训练的教师模型，通过特征蒸馏训练学生模型；对完成特征蒸馏训练的学生模型使用基于标签平滑的重加权损失函数计算损失，并更新所述学生模型的权重；将所述小样本数据输入所述学生模型进行训练，并采用平衡均方误差作为所述学生模型的损失函数；将待预测麻醉深度数据输入完成训练的所述学生模型，得到麻醉深度预测结果。相较于现有技术在不平衡数据上训练效果差的缺陷，本发明提出了一种更高效、精确的求解方法。
-
-
-
Search Results
4
records
(took 0.013 seconds)
