使用百度EasyDL在临床检验中实现对抗学习算法

选择好训练内容后，检查一下，即可点击开始训练。“离线识别SDK”选项不需要勾选，因为对抗训练是基于端与云的双平台系统对抗，此外EasyDL对于端硬件兼容性不佳，也不适于前端部署。

之后我们需要等待一定时间，让百度强大的云平台自行训练。本次训练约1.5小时，训练完成后，点击左侧导航栏校验模型。

选择好模型后，对模型进行校验。

然后申请接口地址，然后点击提交申请

然后等待模型审核，之后便可在等待审核过程中，进行特征学习的训练。使用特征学习的训练图像制备软件，可以得到极高的精确率，以及极高的抗干扰性。

特征学习图像训练需要使用“L33图像学习系统”，其由五部分构成：特征提取方法编辑器、图像目录、可训练图像清单、特征指标清单、单指标计分与学习状况。特征基础元素由特征方法编辑器控制，一般不建议修改。

1.首先通过图像目录确认训练图集的路径

2. 第一次训练点击“全否“，然后点击红色按钮”开始训练“

3.每次训练图会自动识别细胞边缘，需要医师确认轮廓是否囊括整个细胞?如果囊括则点击“是“，则进行下一图训练。

4.当训练完成后会提示完成，AI会自动计算出学习的结果于“特征指标清单“之中，可以点击查看

5.对于不可用的图像可以点击“否“，进行暂停修正作业，或删除、或继续修改。

6.AI会自动对打勾的图像默认为可用图像，所以不会弹出选项。

D. 调整权值：在特征指标清单中，可以根据待识别分型的特性，对特征指标进行选择;未被选择的指标不会参与计算。例如红细胞的体积和周长在一定范围，所以可被使用，而晶体没有大小限制，却有自身形状和色彩的区别，因而可以使用特殊色系指标。

（编辑：西安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!