原始名称记载: 谱天（天津）生物科技有限公司

本发明提出面向多中心NMR信号诊断的两阶段微调方法，该方法包括：第一阶段在各数据域内部进行引入数据增强MixUp，提升模型鲁棒性；第二阶段使用真实样本进行对抗式域适应训练，通过梯度反转层学习域不变特征。同时还提供了一种微调系统，该系统支持多模态输入与多标签分类，适用于跨中心、跨设备的疾病诊断任务。本发明有效解决了数据增强与域适应之间的技术矛盾，显著提升模型泛化能力。

本发明提供了面向NMR一维谱图信号的双通道自监督预训练方法，是通过对NMR信号进行L2标准化与水峰去除后，构建双任务MAE架构，第一通道采用Patch Embedding输入至Transformer，第二通道通过四级CNN含InstanceNorm1d提取特征后输入共享编码器；双解码器分别重建原始输入，其中CNN路径使用反卷积网络完成上采样；损失通过可学习权重动态融合。同时，还提供了上述训练方法下生成的训练模型及对应的计算机介质，本发明通过采用InstanceNorm1d，提升小批量稳定性，利用L2标准化保留信号物理结构，有效提升无标签NMR数据的表征学习能力，适用于疾病检测等下游任务。