[发明专利]利用筛查模型进行分类的方法、装置及存储介质

权利要求书

1.一种利用筛查模型进行分类的方法，其特征在于，包括：

利用源领域的分级训练数据作为训练样本对目标领域中的筛查模型进行训练；其中，所述训练样本包括正常样本和患病样本；

对所述筛查模型采用的最小二乘损失函数进行修改，以拉开所述分级训练数据中相邻级别的差距；

使用修改后的最小二乘损失函数，对所述筛查模型进行AUC优化；

利用优化后的所述筛查模型对所述目标领域的待分类对象进行分类，以确定所述待分类对象中的患者和非患者；

其中，所述分级训练数据的级别用于表示患病可能性的大小程度，所述分级训练数据包括健康样本、轻度病变样本、中度病变样本、严重病变样本以及增殖性病变样本；

其中，所述修改后的最小二乘损失函数表示为以下公式：

其中，L(f)表示所述修改后的最小二乘损失函数；函数f表示所述筛查模型的映射函数；x_i^j表示标签为j的第i个训练样本；n₀，n₁，n₂，n₃，n₄，…，n_k分别表示每个标签对应的样本数量。

2.根据权利要求1所述的方法，其特征在于，使用修改后的最小二乘损失函数，对所述筛查模型进行AUC优化之后，还包括：

通过所述AUC优化，更新所述筛查模型的参数。

3.根据权利要求2所述的方法，其特征在于，通过所述AUC优化，更新所述筛查模型的参数，包括：

利用随机梯度下降算法更新所述筛查模型的参数。

4.根据权利要求1至3中任一项所述的方法，其特征在于，对所述筛查模型采用的最小二乘损失函数进行修改，以拉开所述分级训练数据中相邻级别的差距，包括：

对二分类模型中解决AUC优化问题采用的最小二乘损失函数进行修改，以拉开所述分级训练数据中相邻级别的差距。

5.一种利用筛查模型进行分类的装置，其特征在于，包括：

训练单元，用于利用源领域的分级训练数据作为训练样本对目标领域中的筛查模型进行训练；其中，所述训练样本包括正常样本和患病样本；

修改单元，用于对所述筛查模型采用的最小二乘损失函数进行修改，以拉开所述分级训练数据中相邻级别的差距；

优化单元，用于：使用修改后的最小二乘损失函数，对所述筛查模型进行AUC优化；

分类单元，用于利用优化后的所述筛查模型对所述目标领域的待分类对象进行分类，以确定所述待分类对象中的患者和非患者；

其中，所述分级训练数据的级别用于表示患病可能性的大小程度，所述分级训练数据包括健康样本、轻度病变样本、中度病变样本、严重病变样本以及增殖性病变样本；其中，所述修改后的最小二乘损失函数表示为以下公式：

其中，L(f)表示所述修改后的最小二乘损失函数；函数f表示所述筛查模型的映射函数；表示标签为j的第i个训练样本；n₀，n₁，n₂，n₃，n₄，…，n_k分别表示每个标签对应的样本数量。

6.根据权利要求5所述的装置，其特征在于，所述装置还包括更新单元，用于：

通过所述AUC优化，更新所述筛查模型的参数。

7.根据权利要求6所述的装置，其特征在于，所述更新单元用于：

利用随机梯度下降算法更新所述筛查模型的参数。

8.根据权利要求5至7中任一项所述的装置，其特征在于，所述修改单元用于：

对二分类模型中解决AUC优化问题采用的最小二乘损失函数进行修改，以拉开所述分级训练数据中相邻级别的差距。