呼气气体识别方法、装置、计算机设备及存储介质

本发明实施例涉及人工智能中的医疗，尤其涉及一种呼气气体识别方法、装置、计算机设备及存储介质。

背景技术：

1、肺癌是发病率和死亡率增长最快、对人们的生命和健康威胁最大的恶性肿瘤之一，尽早地发现并采取有效的治疗措施可以有效提高患者的生存概率。现有的肺癌识别方法通常是利用特征提取与传统的机器学习方法相结合来实现对患者的呼气气体进行识别，但由于特征提取过程需要人工介入手动提取，手动提取的过程会导致数据信息丢失，影响识别的性能；而传统的机器学习方法对样本量的依懒性高，当样本数据量较少使容易存在过拟合问题，并且在面对复杂的样本数据时泛化能力较弱，最终导致识别准确率低。

技术实现思路

1、本发明实施例提供了一种呼气气体识别方法、装置、计算机设备及存储介质，旨在解决现有呼气气体识别方法对样本依赖性高及识别准确率低的问题。

2、第一方面，本发明实施例提供了一种呼气气体识别方法，应用于构建的呼气气体识别模型，所述呼气气体识别模型包括教师模型及学生模型，其包括：

3、获取目标教师模型的教师编码参数信息，其中，所述目标教师模型是利用训练数据集对所述教师模型进行训练得到的；

4、获取呼气数据集，并将所述呼气数据集及所述教师编码参数信息输入至所述学生模型的编码器模块以得到学生编码结果；

5、将所述学生编码结果输入至所述学生模型的解码器模块得到第一损失；

6、将所述呼气数据集输入至所述目标教师模型进行编码得到教师编码结果，并根据所述教师编码结果及所述学生编码结果进行计算得到第二损失；

7、根据所述第一损失及所述第二损失对所述学生模型进行迭代训练得到目标学生模型；

8、获取待识别呼气气体数据，并将所述待识别呼气气体数据输入所述目标学生模型进行识别以得到识别结果。

9、第二方面，本发明实施例还提供了一种呼气气体识别装置，应用于构建的呼气气体识别模型，所述呼气气体识别模型包括教师模型及学生模型，其包括：

10、第一获取单元，用于获取目标教师模型的教师编码参数信息，所述目标教师模型是利用训练数据集对所述教师模型进行训练得到的；

11、第二获取单元，用于获取呼气数据集，并将所述呼气数据集及所述教师编码参数信息输入至所述学生模型的编码器模块以得到学生编码结果；

12、第一输入单元，用于将所述学生编码结果输入至所述学生模型的解码器模块得到第一损失；

13、第二输入单元，用于将所述呼气数据集输入至所述目标教师模型进行编码得到教师编码结果，并根据所述教师编码结果及所述学生编码结果进行计算得到第二损失；

14、训练单元，用于根据所述第一损失及所述第二损失对所述学生模型进行迭代训练得到目标学生模型；

15、识别单元，用于获取待识别呼气气体数据，并将所述待识别呼气气体数据输入所述目标学生模型进行识别以得到识别结果。

16、第三方面，本发明实施例还提供了一种计算机设备，其包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法。

17、第四方面，本发明实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序当被处理器执行时可实现上述方法。

18、本发明实施例提供了一种呼气气体识别方法、装置、计算机设备及存储介质。其中，所述方法包括：获取目标教师模型的教师编码参数信息，其中，所述目标教师模型是利用训练数据集对所述教师模型进行训练得到的；获取呼气数据集，并将所述呼气数据集及所述教师编码参数信息输入至所述学生模型的编码器模块以得到学生编码结果；将所述学生编码结果输入至所述学生模型的解码器模块得到第一损失；将所述呼气数据集输入至所述目标教师模型进行编码得到教师编码结果，并根据所述教师编码结果及所述学生编码结果进行计算得到第二损失；根据所述第一损失及所述第二损失对所述学生模型进行迭代训练得到目标学生模型；获取待识别呼气气体数据，并将所述待识别呼气气体数据输入所述目标学生模型进行识别以得到识别结果。本发明实施例的技术方案，将呼气数据集及教师编码参数信息输入学生模型得到第一损失，根据教师编码结果及学生编码结果得到第二损失，通过第一损失和第二损失对学生模型进行训练以得到目标学生模型，可实现对待识别呼气气体数据进行识别，不仅减少了目标学生模型对呼气气体样本数据量的依赖，而且提高了对呼气气体识别的准确率。

技术特征：

1.一种呼气气体识别方法，其特征在于，应用于构建的呼气气体识别模型，所述呼气气体识别模型包括教师模型及学生模型，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述学生模型的编码器模块包括学生门控循环神经网络及学生注意力模块，所述将所述呼气数据集及所述教师编码参数信息输入至所述学生模型的编码器模块以得到学生编码结果，包括：

3.根据权利要求2所述的方法，其特征在于，所述学生隐藏态包括多个不同时间步的学生隐藏态，所述学生注意力模块包括两个全连接层，所述将所述学生隐藏态输入所述学生注意力模块进行运算得到学生背景向量，包括：

4.根据权利要求1所述的方法，其特征在于，所述将所述学生编码结果输入至所述学生模型的解码器模块得到第一损失，包括：

5.根据权利要求4所述的方法，其特征在于，所述目标教师模型的编码器模块包括教师门控循环神经网络及教师注意力模块，所述将所述呼气数据集输入至所述目标教师模型进行编码得到教师编码结果，并根据所述教师编码结果及所述学生编码结果进行计算得到第二损失，包括：

6.根据权利要求5所述的方法，其特征在于，所述根据所述第一损失及所述第二损失对所述学生模型进行迭代训练得到目标学生模型，包括：

7.根据权利要求1所述的方法，其特征在于，利用训练数据集对所述教师模型进行训练得到目标教师模型，包括：

8.一种呼气气体识别装置，应用于构建的呼气气体识别模型，所述呼气气体识别模型包括教师模型及学生模型，其特征在于，所述装置包括：

9.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序当被处理器执行时可实现如权利要求1-7中任一项所述的方法。

技术总结
本发明涉及人工智能中的医疗技术领域，其公开了一种呼气气体识别方法、装置、计算机设备及存储介质。其中方法包括：获取目标教师模型的教师编码参数信息；获取呼气数据集，并将呼气数据集及教师编码参数信息输入至学生模型的编码器模块以得到学生编码结果；将学生编码结果输入至学生模型的解码器模块得到第一损失；将呼气数据集输入至目标教师模型进行编码得到教师编码结果，并根据教师编码结果及学生编码结果进行计算得到第二损失；根据第一损失及第二损失对学生模型进行迭代训练得到目标学生模型；获取待识别呼气气体数据，将待识别呼气气体数据输入目标学生模型以得到识别结果。本发明实施例可提高呼气气体识别准确率。

技术研发人员：潘晓芳,陈洁滨,井军虎,温晓琳
受保护的技术使用者：深圳大学
技术研发日：
技术公布日：2024/1/12