换一批基于深度学习的医疗数据智能分析与核验算法研究
Research on intelligent analysis and verification algorithms of medical data based on deep learning
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(Variational Auto-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.
更多相关知识
关键词
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deep learninganalysis of abnormal dataVAEantagonistic neural networkpruning alg-orithmWasserstein distance
栏目名称
DOI
10.14022/j.issn1674-6236.2023.17.007
发布时间
2023-08-31（万方平台首次上网日期，不代表论文的发表时间）
基金项目
陕西省科技厅软科学项目（2022KRM188）
- 浏览1
- 被引4
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
