[发明专利]一种BPPV眼震信号的标注方法

权利要求书

1.一种BPPV眼震信号的标注方法，其特征在于，包括以下步骤：

1)对少量样本进行专家标注：由医院的专家依据临床诊断经验，对部分挑选的高质量视频样本进行打标签；

2)训练深度学习模型：根据专家已打标签的数据，采用数据增强、正样本扩充等数据处理方案，将样本量进行扩充获得充足的样本数量，训练一个基础的深度学习模型，作为Teacher Model教师模型；

3)预测未标注样本：将未标注数据作为测试集，使用步骤2)中的Teacher Model教师模型对未标注数据进行预测，给出对应的伪标签效果；

4)伪标签筛选：对于伪标签显示阴性、低置信度阳性即0.95的样本，选择舍弃；对于独立存在的阳性样本，选择舍弃；对于连续的阳性样本，其中高置信度即0.95的样本标注为阳性，作为新的训练样本。

2.如权利要求1所述的BPPV眼震信号的标注方法，其特征在于，步骤4)之后还包括更新模型的步骤：将步骤4)获得的阳性样本与步骤2)训练集数据合并，进行数据增强和正负样本再平衡，并划分新的训练集和验证集，然后使用新数据集训练新的模型，重复迭代直到损失函数收敛或不再提升为止。

3.如权利要求1或2所述的BPPV眼震信号的标注方法，其特征在于：步骤2)中，对样本量进行扩充包括但不限于将数据翻转、反转、加噪声，以及SMOTE样本构造算法。

4.如权利要求1或2所述的BPPV眼震信号的标注方法，其特征在于：步骤3)中，当新样本需要进行眼震信号预测时，使用模型在预测阶段将眼震曲线滚动切分为长度400帧的子样本，并使用模型对每个子样本进行预测。

5.如权利要求4所述的BPPV眼震信号的标注方法，其特征在于：步骤3)中，将子样本分为多个子样本片段，每个子样本片段对应的预测伪标签值用1和0表示，其中，1代表该子样本片段存在眼震，0代表该子样本片段未检测出眼震。