《基於弱標記學習的脈搏信號分類方法研究》是依託哈爾濱工業大學，由張冬雨擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於弱標記學習的脈搏信號分類方法研究
- 依託單位：哈爾濱工業大學
- 項目類別：青年科學基金項目
- 項目負責人：張冬雨
項目摘要,結題摘要,
項目摘要
中醫脈診是我國傳統醫學中最具特色的診斷方法之一。隨著生物醫學技術的發展，中醫脈診現代化研究已引起國際學術界的廣泛關注。近年來，採用生物特徵識別技術對脈搏信號進行分析已經成為中醫脈診客觀化研究的一個新方向。本項目針對脈搏信號分類問題中存在的脈搏信號樣本多義性的問題及疾病診斷過程中診斷模型的自適應問題開展相關的研究。本研究引入基於多標記學習的方法，用以解決脈搏信號樣本的多義性問題。通過對脈搏信號特性的分析，利用類別標記之間的相關性來提高分類模型的精度及泛化能力；針對由於設備更新、環境變化、樣本分布變化引起的脈搏信號診斷模型精度降低的問題，本研究中將通過領域自適應的方法，在信號層、特徵層、模型層三個方面開展基於非監督或半監督學習方法的自適應診斷模型研究。本研究將在脈搏信號分類與診斷的相關研究方面提供新的思路與方法。
結題摘要
本項目以中醫脈診的客觀化研究為背景，採用生物特徵識別方法、機器學習方法，針對中醫脈象信號分類中存在的樣本多義性的問題開展相關的研究。本項目主要包括兩方面的研究內容： (1) 針對中醫脈診中脈搏信號樣本標記的多義性問題，研究基於有監督學習或半監督學習策略的多類別脈搏信號分類方法； (2) 針對脈診中由於樣本分布變化引起的分類模型精度低的問題，開展基於領域自適應的分類模型，同時對模型進行推廣以適用不同的分類問題。 本項目通過一系列理論研究，取得了如下一系列富有意義的成果： (1) 構建了一個的包含多種脈象類型、多種疾病標記的脈搏信號資料庫。 (2) 提出了一種新的判別字典學習方法，該方法能夠自適應的學習與類別相關的字典係數矩陣，從而更加有效的提高多類別樣本分類問題的精度。 (3) 提出了一種基於重建遷移學習的領域自適應方法。該方法採用一種聯合學習模型，能夠對稀疏表達與最優子空間表達同時進行最佳化。同時該模型可以避免再生Hilbert空間中非線性子空間的漂移問題。 (4) 提出了一種任務驅動的端到端的圖像風格自動轉換方法。有效的避免的傳統的合成方法需要精確的樣本選擇等缺陷。 (5) 提出了一種基於主動學習框架的面向圖像分類的深度神經網路模型，該模型在不顯著降低精度的同時大量的減少數據標註的工作量。該工作可以推廣套用於具有海量未標註數據的圖像分類任務中。 本項目已發表學術論文8 篇。其中國際知名期刊IEEE Transactions 4 篇，Pattern Recognition 1 篇，知名國際學術會議論文2 篇。SCI收錄6 篇； EI收錄 8 篇。
