一种基于特征融合元学习的凝血指标异常分类方法

摘要

本发明提供了一种基于特征融合元学习的凝血指标异常分类方法，包括以下步骤：获取样本PT、TT将曲线图像，对曲线图像进行特征提取，创建训练集、测试集；将训练集图像输入到resnet网络中，输出处理后的图像；将图像输入到元训练模型上进行梯度下降更新参数θ，构建特征融合元学习的异常凝血指标分类模型；设置异常凝血指标分类模型的超参数；利用测试集对训练后的模型进行迭代测试和微调，将测试集输入经过迭代测试和微调的异常凝血指标分类模型，使用特征融合元学习的异常凝血指标分类模型实现分类。本发明利用元学习促进基于深层神经网络的快速适应和泛化，以识别具有更少注释数据的异常指标，提高分类性能。