基于深度学习的医疗数据智能分析与核验算法研究

作     者：李杨 郭钰哲 庞乐 LI Yang;GUO Yuzhe;PANG Le

作者机构：西安交通大学第二附属医院陕西西安710004 

基　　金：陕西省科技厅软科学项目(2022KRM188) 

出 版 物：《电子设计工程》 (Electronic Design Engineering)

年 卷 期：2023年第31卷第17期

页      码：35-39页

摘      要：针对传统异常数据检测准确性低且运行时间长的问题,文中基于深度学习框架设计了一套医疗设备异常数据分析检测算法。该算法对自编码器与对抗神经网络进行了融合及改进,变分自编码器(VariationalAuto-Encoder,VAE)模型将变分算法与自编码器算法相结合,有效提升了原模型的抗干扰性能。而WGAN-PA模型则使用Wasserstein距离代替原有GAN的交叉熵,并通过加入剪枝模块优化了梯度问题,从而减少了模型的训练量。结合后的模型可对高维数据进行降维,且综合性能也较为理想。实验结果表明,所提算法的精确率和召回率分别为0.745和0.578,优于其他对比算法,同时还能对设备的健康状态进行预测,具有良好的工程实用价值。

主 题 词：深度学习 异常数据分析 变分自编码器 对抗神经网络 剪枝算法 Wasserstein距离 

学科分类：0809[工学-计算机类] 081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.14022/j.issn1674-6236.2023.17.007

馆 藏 号：203123301...