[发明专利]一种基于迁移学习的医学数据处理和系统

权利要求书

1.一种基于迁移学习的医学分析系统，其特征在于，包括：

第一训练模块，用于获取医学领域外的文本数据，根据该文本数据，训练得到文本分类模型；

病例获取模块，用于获取医学领域内的病例集合，其中该病例集合包含症状和标签，该标签为该症状对应的病症；

特征向量提取模块，使用该文本分类模型提取该症状的特征向量作为症状向量，并根据该症状对应的病症类型，将该标签转化为标签向量；

第二训练模块，用于通过集合该症状向量及其对应的标签向量，构建多标签训练样本集，根据该多标签训练样本集，训练得到多标签分类模型；

分析模块，用于将待分析的医学样本输入至该多标签分类模型，判断该医学样本属于每一种标签的概率值，并根据该概率值得到分析标签集合，作为该医学样本的分析结果。

2.如权利要求1所述的迁移学习的医学分析系统，其特征在于，该第二训练模块具体包括：

将该多标签训练样本集拆分为多个单标签样本集，针对该单标签样本集采用多次采样的方式训练得到每一个标签的单标签分类模型，并集合每一个该单标签分类模型得到该多标签分类模型。

3.如权利要求2所述的迁移学习的医学分析系统，其特征在于，该第二训练模块还包括：

针对该单标签样本集，采用多次采样的方式训练多个分类模型，多个分类模型加权集成得到该单标签分类模型，其中加权的权重由分类模型的分类精度决定。

4.如权利要求2所述的迁移学习的医学分析系统，其特征在于，该第二训练模块还包括：根据验证集上的效果获取该单标签分类模型最佳分类性能时的阈值；该分析模块包括：判断该概率值是否大于等于该阈值，若是，则将该概率值对应的标签加入该分析标签集合。

5.如权利要求2所述的迁移学习的医学分析系统，其特征在于，该单标签分类模型为二分类模型。