基于标签噪声鲁棒学习的疾病风险预测
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.15888/j.cnki.csa.009268

基于标签噪声鲁棒学习的疾病风险预测

引用
疾病风险预测能够筛查易患人群,并在早期进行预防干预措施以降低疾病的发生率及死亡率.随着机器学习技术的快速发展,基于机器学习的疾病风险预测得到了广泛应用.然而,机器学习十分依赖于高质量的标注信息,医疗数据中存在的标签噪声会给构建高性能的疾病风险预测算法带来严峻挑战.针对这一问题,本文提出了一种基于深度神经网络和动态截断损失函数的噪声鲁棒学习方法用于疾病风险预测.该方法引入动态截断损失函数,融合了传统交叉熵函数的隐式加权特性和均方差损失函数的标签噪声鲁棒性;通过构造训练损失下界,并引入样本动态加权机制减小可疑样本的梯度,限制可能的带噪样本在训练过程中的权重,进一步增强模型的鲁棒性.以脑卒中筛查数据集为例进行实验,结果表明本文算法在各个标签噪声比例下均能取得良好的预测性能,可降低疾病风险预测中标签噪声的负面影响,实现了带有标签噪声数据的鲁棒学习.

标签噪声、鲁棒学习、疾病风险预测、深度学习

32

TP391.41;R743.3;TN912.34

山西省重点研发计划202102020101009

2023-10-25(万方平台首次上网日期,不代表论文的发表时间)

共8页

184-191

相关文献
评论
暂无封面信息
查看本期封面目录

计算机系统应用

1003-3254

11-2854/TP

32

2023,32(10)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn