[发明专利]一种气体检测方法、装置、计算机设备及存储介质

说明书

本申请实施例属于人工智能中的医疗技术领域，涉及一种基于多任务自注意力网络的气体检测方法、装置、计算机设备及存储介质，该方法包括：接收电子鼻系统发送的待测气体的气体成分数据；将气体成分数据输入至多任务自注意力网络检测待测气体的生物标志物以及与生物标志物相对应的标志物浓度信息，多任务自注意力网络包括由位置编码模块和多任务自注意力模块组成的编码器和解码器；根据生物标志物以及标志物浓度信息确认与待测气体相对应的气体检测结果。本申请采用端到端的深度学习网络模型，输入原始数据就可以检测样本组成成分并且得到相对应的标志物浓度，可以有效避免人为因素带来的干扰并且减少手动特征提取带来的信息丢失的问题。

技术领域

本申请涉及人工智能中的医疗技术领域，尤其涉及一种基于多任务自注意力网络的气体检测方法、装置、计算机设备及存储介质。

背景技术

肺癌是全世界最为常见的癌症，也是全球死亡率最高的癌症。而早期的癌症筛查是降低癌症死亡率的最有效途径之一。

现有一种癌症检测方法，即根据机器学习算法，处理传感器信号，最终输出癌症检测结果。

然而，申请人发现，传统基于机器学习算法的癌症检测方法通常处理传感器信号时都需要手动的提取特征，手动提取特征的过程中会带来人为干扰因素，而这个不确定的干扰因素会从不同方面影响算法提取特征，导致最终识别算法的结果存在人为导致的差异。其次，传统机器学习算法不能处理高维数据，需要经过数据降维后才能进行接下来的气体识别功能。数据降维的过程必然会带来传感器信号数据的丢失问题，信息的丢失也同样会影响算法最终的识别准确度。

发明内容

本申请实施例的目的在于提出一种基于多任务自注意力网络的气体检测方法、装置、计算机设备及存储介质，以解决传统基于机器学习算法的癌症检测方法会导致传感器信号数据的丢失，进而影响算法最终的识别准确度的问题。

为了解决上述技术问题，本申请实施例提供一种基于多任务自注意力网络的气体检测方法，采用了如下所述的技术方案：

接收电子鼻系统发送的待测气体的气体成分数据；

将所述气体成分数据输入至多任务自注意力网络检测所述待测气体的生物标志物以及与所述生物标志物相对应的标志物浓度信息，所述多任务自注意力网络包括由位置编码模块和多任务自注意力模块组成的编码器和解码器；

根据所述生物标志物以及所述标志物浓度信息确认与所述待测气体相对应的气体检测结果。

进一步的，所述多任务自注意力模块包括：

多头自注意力层、归一化层、前馈网络层以及残差结构。

进一步的，所述多头自注意力层的多头自注意力表示为：

head_i＝Attention(Q_i，K_i，V_i)

Attention_MHA＝(concat(head₁，head₂，…，head_h))W^o

其中，W^o表示可学习的线性变换参数；i＝1，2，...，h表示头的数量。

进一步的，所述前馈网络层表示为：

FNN＝max(0，XW₁+b₁)W₂+b₂。

为了解决上述技术问题，本申请实施例还提供一种基于多任务自注意力网络的气体检测装置，采用了如下所述的技术方案：

数据接收单元，用于接收电子鼻系统发送的待测气体的气体成分数据；