[發明專利]一種推理模型訓練方法及裝置

在審

• 申請號: 202210095035.2
• 申請日: 2022-01-26
• 公開（公告）號: CN116563572A
• 公開（公告）日: 2023-08-08
• 發明（設計）人: 陶建軍;謝凌曦;喬楠;張雷
• 申請（專利權）人: 華為云計算技術有限公司
• 主分類號: G06V10/70
• 分類號: G06V10/70;G06V10/764;G06V10/82;G06T7/00;G06T7/11;G06N3/0464;G06N3/042;G06N3/0895;G06N5/04;G16H50/20
• 代理公司: 北京億騰知識產權代理事務所(普通合伙) 11309
• 代理人: 陳霽

本申請實施例涉及一種推理模型訓練方法，方法可以包括：根據已標注病理圖片訓練得到推理模型。然后，可以根據未標注病理圖片、第一病理文本以及已標注病理圖片，更新推理模型。其中，推理模型用于對輸入的待檢測病理圖片進行推理，得到待檢測病理圖片對應的病理結果。第一病理文本為未標注病理圖片相關聯的病理文本。本申請通過結合未標注病理圖片、第一病理文本和已標注病理圖片對推理模型進行更新，使得模型融入了更多領域經驗知識，從而大大提升了推理模型對病理圖片的預測準確率。

技術領域

本申請涉及電子技術領域，尤其涉及一種基于半監督學習(semi-supervisedlearning，SSL)的推理模型訓練方法及裝置。

背景技術

隨著社會的不斷發展，各行業內對于人工智能(artificial?intelligence，AI)的運用逐漸普及。人們可以通過構建AI模型以實現不同領域的相應任務。目前，在圖像識別任務中通?？梢圆捎肁I模型實現圖像的分類識別，或者在圖像中準確識別出某個物體，如可以將某些物體框出。

對于目前在醫學領域，以往的傳統手段通常需要醫生結合自身在該領域的業務知識以及長期積累的經驗，對醫學圖像進行專業判別。例如確定出醫學圖像中是否存在某些疾病，或者確定出患處的嚴重程度。但是，傳統方式需要醫生針對每個圖片進行單獨分析，確定出病灶位置以及患處嚴重程度，導致非常的費時費力。因此，在一些方案中，采用結合AI模型進行輔助識別，如通過圖像中的顏色、色調、表面構型、邊界、血管形態等方面進行綜合評估。然后再對檢測出的可疑區域進行進一步醫學檢測，以確定是否真的存在疾病。

然而，目前的方案在進行AI模型構建時，往往不具備大量的訓練數據。在AI模型的訓練階段，需要采用專業醫生進行精細標注的圖像進行訓練，即帶標注的圖像進行監督訓練。然而，專業醫生進行精細標注的效率是非常有限，經驗豐富的醫生本身也屬于稀有資源。因此，通過專業醫生進行精細標注的訓練數據通常非常少，這也導致訓練后的AI模型準確率不高。

發明內容

本申請實施例提供了一種推理模型訓練方法，根據已標注病理圖片訓練出推理模型后，可以結合未標注病理圖片、相關聯的病理文本以及已標注病理圖片，一起對推理模型進行更新。從而極大提高推理模型對病理圖片中病理類型的預測準確率。

第一方面，提供了一種推理模型訓練方法，方法可以包括：根據已標注病理圖片訓練得到推理模型。然后，可以根據未標注病理圖片、第一病理文本以及已標注病理圖片，更新推理模型。其中，推理模型用于對輸入的待檢測病理圖片進行推理，得到待檢測病理圖片對應的病理結果。第一病理文本為未標注病理圖片相關聯的病理文本。本申請通過結合未標注病理圖片、第一病理文本和已標注病理圖片對推理模型進行更新，使得模型融入了更多歷史病例中的經驗知識，從而大大提升了推理模型對病理圖片的預測準確率。

在一個可能的實施方式中，推理模型可以包括分割模型和分類模型。更新推理模型可以包括：更新分類模型。

在一個可能的實施方式中，更新推理模型，可以包括：將未標注病理圖片和第一病理文本輸入至預先訓練好的標注模型，從而確定出未標注病理圖片對應的偽標簽。然后，可以根據偽標簽和第一預測結果，確定第一損失。其中，第一預測結果為未標注病理圖片輸入推理模型得到的預測結果。之后，可以根據已標注病理圖片的標注標簽和第二預測結果，確定第二損失。其中，第二預測結果為已標注病理圖片輸入推理模型得到的預測結果。再根據第一損失和第二損失更新推理模型。本申請通過結合未標注的病理圖片以及已標注的病理圖片進行半監督學習更新推理模型，可以使得推理模型得到更好的收斂，從而提升預測準確率。