[發(fā)明專利]一種評分模型訓(xùn)練方法及裝置

有效

• 申請?zhí)枺?/td>: 202011176048.X
• 申請日: 2020-10-29
• 公開（公告）號: CN112002420B
• 公開（公告）日: 2021-03-02
• 發(fā)明（設(shè)計）人: 蘇曉蕓;支洪平
• 申請（專利權(quán)）人: 科大訊飛（蘇州）科技有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 馮柳偉

1.一種評分模型訓(xùn)練方法，其特征在于，包括：

獲取目標(biāo)檢測項(xiàng)對應(yīng)的訓(xùn)練數(shù)據(jù)及醫(yī)學(xué)結(jié)論信息；其中，所述目標(biāo)檢測項(xiàng)為疾病診斷表中記錄的檢測項(xiàng)；所述目標(biāo)檢測項(xiàng)對應(yīng)的訓(xùn)練數(shù)據(jù)是根據(jù)所述目標(biāo)檢測項(xiàng)對應(yīng)的訓(xùn)練深度圖像確定的；

利用所述訓(xùn)練數(shù)據(jù)對初始模型進(jìn)行訓(xùn)練，得到待校正模型；

根據(jù)所述醫(yī)學(xué)結(jié)論信息對所述待校正模型進(jìn)行校正，得到校正后模型；

根據(jù)所述校正后模型，確定所述目標(biāo)檢測項(xiàng)對應(yīng)的評分模型；

所述根據(jù)所述醫(yī)學(xué)結(jié)論信息對所述待校正模型進(jìn)行校正，得到校正后模型，包括：

根據(jù)所述醫(yī)學(xué)結(jié)論信息，生成所述目標(biāo)檢測項(xiàng)對應(yīng)的評分約束條件；

利用所述評分約束條件對所述待校正模型進(jìn)行校正，得到校正后模型，以使所述校正后模型滿足所述目標(biāo)檢測項(xiàng)對應(yīng)的評分約束條件。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述校正后模型，確定所述目標(biāo)檢測項(xiàng)對應(yīng)的評分模型，包括：

在確定所述校正后模型滿足預(yù)設(shè)條件時，將所述目標(biāo)檢測項(xiàng)對應(yīng)的評分模型更新為所述校正后模型，并繼續(xù)執(zhí)行所述利用所述訓(xùn)練數(shù)據(jù)對初始模型進(jìn)行訓(xùn)練，得到待校正模型的步驟。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述方法還包括：

獲取所述校正后模型的模型損失值和所述評分模型的模型損失值；

在確定所述校正后模型的模型損失值低于所述評分模型的模型損失值時，確定所述校正后模型滿足預(yù)設(shè)條件。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述獲取所述校正后模型的模型損失值，包括：

獲取所述目標(biāo)檢測項(xiàng)對應(yīng)的驗(yàn)證數(shù)據(jù)和所述驗(yàn)證數(shù)據(jù)對應(yīng)的實(shí)際評分；

將所述目標(biāo)檢測項(xiàng)對應(yīng)的驗(yàn)證數(shù)據(jù)輸入所述校正后模型，得到所述校正后模型輸出的所述驗(yàn)證數(shù)據(jù)對應(yīng)的模型評分；

根據(jù)所述模型評分和所述實(shí)際評分，確定第一損失值和第二損失值；其中，所述第一損失值用于表征所述驗(yàn)證數(shù)據(jù)對應(yīng)的模型評分與實(shí)際評分之間的差值；所述第二損失值用于表征對應(yīng)的模型評分與實(shí)際評分之差超過差值閾值的驗(yàn)證數(shù)據(jù)的個數(shù)；

將所述第一損失值和第二損失值進(jìn)行加權(quán)求和，得到所述校正后模型的模型損失值。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，當(dāng)所述初始模型為決策樹分類器時，所述根據(jù)所述醫(yī)學(xué)結(jié)論信息對所述待校正模型進(jìn)行校正，得到校正后模型，包括：

依據(jù)所述醫(yī)學(xué)結(jié)論信息對所述待校正模型的決策樹進(jìn)行剪枝，得到校正后模型，以使所述校正后模型的決策樹不包括違背所述醫(yī)學(xué)結(jié)論信息的分枝。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取目標(biāo)檢測項(xiàng)對應(yīng)的訓(xùn)練數(shù)據(jù)，包括：

獲取所述目標(biāo)檢測項(xiàng)對應(yīng)的訓(xùn)練深度圖像；

從所述目標(biāo)檢測項(xiàng)對應(yīng)的訓(xùn)練深度圖像中提取所述目標(biāo)檢測項(xiàng)對應(yīng)的關(guān)節(jié)信息；

根據(jù)所述目標(biāo)檢測項(xiàng)對應(yīng)的關(guān)節(jié)信息和所述目標(biāo)檢測項(xiàng)對應(yīng)的特征參數(shù)，確定所述目標(biāo)檢測項(xiàng)對應(yīng)的訓(xùn)練數(shù)據(jù)。

7.一種檢測項(xiàng)評分方法，其特征在于，包括：

獲取待評分患者在目標(biāo)檢測項(xiàng)中生成的待檢測數(shù)據(jù)；

將所述待檢測數(shù)據(jù)輸入到所述目標(biāo)檢測項(xiàng)對應(yīng)的評分模型中，得到所述評分模型輸出的待評分患者的目標(biāo)檢測項(xiàng)評分；其中，所述目標(biāo)檢測項(xiàng)對應(yīng)的評分模型為利用權(quán)利要求1至6任一項(xiàng)所述的評分模型訓(xùn)練方法訓(xùn)練得到的。