[發明專利]模型訓練方法、裝置、電子設備及存儲介質

在審

• 申請號: 202310111927.1
• 申請日: 2023-02-06
• 公開（公告）號: CN116503684A
• 公開（公告）日: 2023-07-28
• 發明（設計）人: 黃秋婧;趙培泉;馮偉;琚烈;馬彤;張大磊
• 申請（專利權）人: 北京鷹瞳科技發展股份有限公司;上海交通大學醫學院附屬新華醫院
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/82;G06V40/18
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 莎日娜

1.一種模型訓練方法，其特征在于，所述方法包括：

獲取眼底圖像樣本；所述眼底圖像樣本包括：第一數量的有分期標簽的ROP眼底圖像和第二數量的無分期標簽的ROP眼底圖像，所述第一數量小于所述第二數量；

將第一數量的眼底圖像樣本輸入眼底圖像分期預測模型，得到所述第一數量的眼底圖像的分期預測輸出，并計算分類損失值；

基于所述眼底圖像分期預測模型對所述第一數量、所述第二數量的眼底圖像樣本處理得到預測輸出，并計算得到所述眼底圖像分期預測模型的預測一致性損失值；

基于所述眼底圖像分期預測模型根據從所述眼底圖像樣本中提取的特征，計算得到所述眼底圖像分期預測模型的語義關聯一致性損失值；

基于所述分類損失值、預測一致性損失值和所述語義關聯一致性損失值，計算得到所述眼底圖像分期預測模型的目標損失值；

在所述目標損失值處于預設范圍內的情況下，將收斂后的眼底圖像分期預測模型作為最終的分期預測模型。

2.根據權利要求1所述的方法，其特征在于，所述獲取眼底圖像樣本，包括：

獲取原始眼底圖像樣本；

將所述原始眼底圖像樣本的尺寸調整為設定尺寸，得到處理后的眼底圖像樣本；

對所述處理后的眼底圖像樣本執行數據增強操作，得到所述眼底圖像樣本。

3.根據權利要求1所述的方法，其特征在于，所述眼底圖像分期預測模型包括：第一分期預測子模塊和第二分期預測子模型，所述第一分期預測子模型包括：第一特征提取層和具有N個輸出單元的第一全連接層，所述第二分期預測子模型包括：第二特征提取層和具有N個輸出單元的第二全連接層，N為正整數，

所述基于所述眼底圖像分期預測模型對所述第一數量、所述第二數量的眼底圖像樣本處理得到預測輸出，包括：

對所述無分期標簽的ROP眼底圖像施加第一隨機噪聲，得到第一眼底圖像樣本；

對所述無分期標簽的ROP眼底圖像施加第二隨機噪聲，得到第二眼底圖像樣本；

將所述第一眼底圖像樣本輸入至所述第一分期預測子模型，并將所述第二眼底圖像樣本輸入至所述第二分期預測子模型；

調用所述第一特征提取層從所述第一眼底圖像樣本中提取高層語義特征，并調用所述第一全連接層基于所述高層語義特征對所述第一眼底圖像樣本進行分期預測，并輸出所述第一眼底圖像樣本的第一分期預測標簽；

調用所述第二特征提取層從所述第二眼底圖像樣本中提取高層語義特征，并調用所述第二全連接層基于所述高層語義特征對所述第二眼底圖像樣本進行分期預測，并輸出所述第二眼底圖像樣本的第二分期預測標簽。

4.根據權利要求3所述的方法，其特征在于，所述計算得到所述眼底圖像分期預測模型的預測一致性損失值，包括：

獲取所述第一分期預測子模型的第一模型參數，及所述第二分期預測子模型的第二模型參數；

基于所述第一模型參數、所述第二模型參數、所述第一數量、所述第二數量、所述第一隨機噪聲和所述第二隨機噪聲，計算得到所述第一分期預測子模型與所述第二分期預測子模型之間的所述預測一致性損失值。

5.根據權利要求4所述的方法，其特征在于，所述基于所述眼底圖像分期預測模型根據從所述眼底圖像樣本中提取的特征，計算得到所述眼底圖像分期預測模型的語義關聯一致性損失值，包括：

獲取所述第一眼底圖像樣本和所述第二眼底圖像樣本的高層語義特征之間的相似度；

基于所述第一模型參數、所述第二模型參數、所述第一數量、所述第二數量、所述第一隨機噪聲、所述第二隨機噪聲、所述相似度，計算得到所述第一分期預測子模型與所述第二分期預測子模型之間的所述語義關聯一致性損失值。

6.根據權利要求1所述的方法，其特征在于，所述基于所述分類損失值、所述預測一致性損失值和所述語義關聯一致性損失值，計算得到所述眼底圖像分期預測模型的目標損失值，包括：

基于所述分類損失值、所述預測一致性損失值、所述語義關聯一致性損失值和損失平衡系數，計算得到所述目標損失值。