[发明专利]基于体温数据进行模型训练的方法、装置和计算机设备

说明书

本申请涉及人工智能技术领域，提供一种基于体温数据进行模型训练的方法、装置、计算机设备和存储介质，各个用户终端分别采集样本用户连续的体温数据，并对应分析采集到的体温数据的体温节律特征数据；并分别输入至逻辑回归模型中进行训练，以更新模型参数；在服务端确定模型训练结束时，各个用户终端将更新后的模型参数发送至服务端，以通过服务端对所有用户终端发送的模型参数进行聚合运算，得到加权平均模型参数；根据加权平均模型参数更新逻辑回归模型并停止模型训练，得到对体温节律特征数据进行检测的检测模型。本申请中训练得到检测模型便于从体温数据中进行分析用户的体征特征，基于该检测模型便于对体温节律特征数据进行分析处理。

技术领域

本申请涉及人工智能技术领域，特别涉及一种基于体温数据进行模型训练的方法、装置、计算机设备和存储介质。

背景技术

目前，对抑郁症的辅助判断通常基于患者的生物节律数据，生物节律的异常被认为是抑郁症的一种明显症状，常常反映在人的体征数据(如体温数据)的变化。

因此对人的体征数据进行合理利用，有利于作为抑郁症的辅助判断。然而目前，通常是医生基于诊断经验对体征数据进行人工分析，专业性要求高，无法通过自动化机器实现对患者的体征数据进行合理分析、利用，无法将其应用于患者测试中。

发明内容

本申请的主要目的为提供一种基于体温数据进行模型训练的方法、装置、计算机设备和存储介质，旨在克服目前无法对体温数据进行合理分析以及无法应用于患者测试的缺陷。

为实现上述目的，本申请提供了一种基于体温数据进行模型训练的方法，包括以下步骤：

各个用户终端分别采集样本用户连续的体温数据，并对应分析采集到的所述体温数据的体温节律特征数据；

各个所述用户终端分别将对应的所述体温节律特征数据输入至逻辑回归模型中进行训练，以更新模型参数；

在所述服务端确定模型训练结束时，各个所述用户终端将更新后的所述模型参数发送至服务端，以通过所述服务端对所有用户终端发送的模型参数进行聚合运算，得到加权平均模型参数；

各个所述用户终端接收所述服务器端发送的所述加权平均模型参数，根据所述加权平均模型参数更新所述逻辑回归模型并停止模型训练，得到对体温节律特征数据进行检测的检测模型；其中，所述检测模型用于采集到用户的体温数据时，对用户的体温数据进行自动化分析。

进一步地，所述各个所述用户终端接收所述服务器端发送的所述加权平均模型参数，根据所述加权平均模型参数更新所述逻辑回归模型并停止模型训练，得到对体温节律特征数据进行检测的检测模型的步骤之后，包括：

所述用户终端采集新用户连续体温数据，并对应分析采集到的新用户的连续体温数据的体温节律特征数据；

将所述新用户连续体温数据的体温节律特征数据输入至所述检测模型中，得到预测结果，作为对所述新用户的检测结果。

进一步地，所述各个所述用户终端分别将对应的所述体温节律特征数据输入至逻辑回归模型中进行训练，以更新模型参数的步骤之后，包括：

每个所述用户终端将所述逻辑回归模型的损失函数当前的损失值发送至所述服务端，以通过所述服务端基于各个所述用户终端发送的损失值确定模型是否训练结束；其中，所述服务端用于接收所述损失值，根据所述损失值判断所述服务端上的损失函数是否收敛，当所述服务端上的损失函数收敛时，所述服务端确定模型训练结束。

进一步地，所述用户终端上逻辑回归模型的损失函数的计算公式为：

其中，为损失值，x_i为体温数据，y_i为逻辑回归模型的输出值，所述服务端上的损失函数为：