一种基于小规模样本数据的人工智能模型训练方法及系统

本发明公开了一种基于小规模样本数据的人工智能模型训练方法及系统涉及人工智能技术领域，先采集医疗影像数据及诊断报告作为小规模样本数据，经数据清洗、归一化处理和特征提取后分为训练集、测试集和验证集；接着分别构建贝叶斯推理模型和多层感知器神经网络并训练；最后融合两个模型的预测结果并在验证集上诊断预测。本发明有效克服了传统人工智能对大规模样本数据的依赖，降低数据采集与处理成本，利用贝叶斯推理和神经网络的优势，提升了模型在小规模样本数据下对事物的认知效率与准确性，通过模型融合、优化及验证反馈调整，持续改进模型性能，为人工智能在数据受限的医疗等领域应用提供了可靠且高效的解决方案。