[發明專利]任務模型獲取方法和裝置、存儲介質及電子裝置

有效

• 申請號: 201910578723.2
• 申請日: 2019-06-28
• 公開（公告）號: CN110363296B
• 公開（公告）日: 2022-02-08
• 發明（設計）人: 李悅翔;鄭冶楓
• 申請（專利權）人: 騰訊醫療健康（深圳）有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/04;G16H30/00
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 劉曉燕

1.一種任務模型獲取方法，其特征在于，包括：

獲取對第一訓練模型進行模型訓練得到的目標模型參數，其中，所述第一訓練模型包括：第一編碼器和第一解碼器，所述目標模型參數包括：與所述第一編碼器對應的第一模型參數和與所述第一解碼器對應的第二模型參數，所述第一訓練模型的輸入為光學醫學圖像的第一通道的第一圖像，訓練完成后的所述第一訓練模型的輸出為與所述光學醫學圖像的第二通道的第二圖像對應的預測圖像，所述預測圖像與所述第二圖像的圖形相似度大于或者等于目標相似度閾值，所述第一圖像為所述光學醫學圖像的G通道的圖像，所述第二圖像為所述光學醫學圖像的R通道的圖像或B通道的圖像中的至少之一；

使用所述目標模型參數中的所述第一模型參數初始化第二訓練模型中的第二編碼器，并使用所述目標模型參數中的所述第二模型參數初始化所述第二訓練模型中的第二解碼器，得到初始任務模型，其中，所述第二訓練模型包括與所述第一編碼器結構相同的所述第二編碼器和與所述第一解碼器的結構相同的所述第二解碼器；

使用所述光學醫學圖像對所述初始任務模型進行訓練，得到目標任務模型，其中，所述目標任務模型用于執行目標圖像處理任務。

2.根據權利要求1所述的方法，其特征在于，獲取對所述第一訓練模型進行模型訓練得到的所述目標模型參數包括：

獲取到所述光學醫學圖像的所述第一圖像和所述第二圖像；

將所述第一圖像輸入到所述第一訓練模型中，得到第一預測圖像；

確定所述第一預測圖像與所述第二圖像之間的第一圖像相似度；

在所述第一圖像相似度小于所述目標相似度閾值的情況下，調整所述第一訓練模型的模型參數，以使將所述第一圖像輸入到調整后的所述第一訓練模型得到的第二預測圖像與所述第二圖像的第二圖像相似度，大于所述第一圖像相似度。

3.根據權利要求2所述的方法，其特征在于，確定所述第一預測圖像與所述第二圖像之間的第一圖像相似度包括：

確定出所述第一預測圖像與所述第二圖像的對應像素點之間的第一均方誤差，得到所述第一圖像相似度，其中，所述第一圖像相似度與所述第一均方誤差負相關。

4.根據權利要求2所述的方法，其特征在于，將所述第一圖像輸入到所述第一訓練模型中，得到所述第一預測圖像包括：

使用所述第一編碼器從所述第一圖像中提取出目標圖像特征；

使用目標池化層和目標全連接層對所述目標圖像特征進行處理，得到目標預測信息，其中，所述目標池化層和目標全連接層位于所述第一編碼器和所述第一解碼器之間，所述目標預測信息用于表示預測的、所述第二圖像中的各像素的像素值在多個像素值區間上的分布；

將所述目標圖像特征和所述目標預測信息輸入到所述第一解碼器，得到所述第一預測圖像。

5.根據權利要求4所述的方法，其特征在于，確定所述第一預測圖像與所述第二圖像之間的第一圖像相似度包括：

確定出所述第一預測圖像與所述第二圖像的對應像素點之間的第二均方誤差；

確定與所述第一預測圖像對應的目標散度值，其中，所述目標散度值用于表示第一概率分布值與第二概率分布值的匹配程度，所述第一概率分布值為所述第一預測圖像中的各像素的像素值落入到所述多個像素值區間中的各像素值區間上的概率，所述第二概率分布值為所述第二圖像中的各像素的像素值落入到所述多個像素值區間中的各像素值區間上的概率；

對所述第二均方誤差與所述目標散度值進行加權求和，得到所述第一圖像相似度，其中，所述第一圖像相似度與所述第二均方誤差和所述目標散度值均負相關。