【技术实现步骤摘要】
一种图像识别模型训练和图像识别方法、装置及系统
本申请涉及计算机
,尤其涉及一种图像识别模型训练和图像识别方法、装置及系统。
技术介绍
目前,内镜影像诊断系统中采用的训练方法,在迭代过程中所使用的都是预先标注的数据,需要大量的有标注的数据,而这些有标注的数据需要医生或者专家进行标注,成本较高,且耗时较长,针对此还未有相关解决方案。
技术实现思路
本申请实施例提供一种图像识别模型训练和图像识别方法、装置及系统,以提高病变识别的模型训练的迭代速率,降低成本。本申请实施例提供的具体技术方案如下:本申请一个实施例提供了一种图像识别方法,包括:获取待识别图像;提取所述待识别图像的图像特征信息;基于预先训练的图像识别模型,以所述待识别图像的图像特征信息为输入参数,获得所述待识别图像的病变类别识别结果,其中,所述图像识别模型为根据标注后的各影像图像和初始训练图像样本集进行迭代训练,以确定病变类别识别结果,所述标注后的各影像图像是基于初始图像识别模型和关联的影像报告对所述各影像图像进行病变类别标注后的获得的,所述初始图像识别模型是根据初始训练图像样本集训练获得的,所述初始训练图像样本为有病变类别标注的图像样本。本申请另一个实施例提供了一种图像识别模型训练方法,包括:获取各影像图像,根据初始图像识别模型对所述各影像图像进行识别,分别获得所述各影像图像的预测病变类别,其中,所述初始图像识别模型是根据初始训练图像样本集训练获得的,所述初始训练图像样本为有病变 ...
【技术保护点】
1.一种图像识别方法,其特征在于,包括:/n获取待识别图像;/n提取所述待识别图像的图像特征信息;/n基于预先训练的图像识别模型,以所述待识别图像的图像特征信息为输入参数,获得所述待识别图像的病变类别识别结果,其中,所述图像识别模型为根据标注后的各影像图像和初始训练图像样本集进行迭代训练,以确定病变类别识别结果,所述标注后的各影像图像是基于初始图像识别模型和关联的影像报告对所述各影像图像进行病变类别标注后的获得的,所述初始图像识别模型是根据初始训练图像样本集训练获得的,所述初始训练图像样本为有病变类别标注的图像样本。/n
【技术特征摘要】
1.一种图像识别方法,其特征在于,包括:
获取待识别图像;
提取所述待识别图像的图像特征信息;
基于预先训练的图像识别模型,以所述待识别图像的图像特征信息为输入参数,获得所述待识别图像的病变类别识别结果,其中,所述图像识别模型为根据标注后的各影像图像和初始训练图像样本集进行迭代训练,以确定病变类别识别结果,所述标注后的各影像图像是基于初始图像识别模型和关联的影像报告对所述各影像图像进行病变类别标注后的获得的,所述初始图像识别模型是根据初始训练图像样本集训练获得的,所述初始训练图像样本为有病变类别标注的图像样本。
2.如权利要求1所述的方法,其特征在于,所述图像识别模型的训练方式,包括:
获取各影像图像,根据初始图像识别模型对所述各影像图像进行识别,分别获得所述各影像图像的预测病变类别;
获取所述各影像图像关联的影像报告,并根据所述影像报告对所述各影像图像的预测病变类别进行判断,根据判断结果标注所述各影像图像的病变类别,其中,所述影像报告中包括影像图像对应的病变诊断结果的描述信息;
根据标注后的各影像图像和所述初始训练图像样本集,迭代训练获得图像识别模型。
3.如权利要求2所述的方法,其特征在于,根据所述影像报告对所述各影像图像的预测病变类别进行判断,根据判断结果标注所述各影像图像的病变类别,具体包括:
从所述影像报告中提取与病变类别关联的关键词;
根据提取出的关键词,确定所述各影像图像的病变诊断结果;
将所述各影像图像的病变诊断结果与预测病变类别进行比对,若确定一致,则将所述各影像图像的病变类别标记为所述预测病变类别,若确定不一致,则将所述各影像图像的病变类别标注为所述病变诊断结果表示的类别。
4.如权利要求2所述的方法,其特征在于,根据标注后的各影像图像和所述初始训练图像样本集,迭代训练获得图像识别模型,具体包括:
根据标注后的各影像图像和所述初始训练图像样本集,重新训练获得图像识别模型。
5.如权利要求2所述的方法,其特征在于,根据标注后的各影像图像和所述初始训练图像样本集,迭代训练获得图像识别模型,具体包括:
根据标注后的各影像图像和所述初始训练图像样本集,更新训练所述初始图像识别模型。
6.如权利要求4或5所述的方法,其特征在于,迭代训练获得图像识别模型之后,进一步包括:
获取测试图像样本集;
根据迭代训练后的图像识别模型,对所述测试图像样本集中各测试图像样本进行病变类别识别,根据识别结果,确定所述迭代训练后的图像识别模型的准确率;
若确定所述迭代训练后的图像识别模型的准确率大于所述初始图像识别模型的准确率,则将标注后的各影像图像和所述初始训练图像样本集合并,并作为下一次迭代训练的初始训练图像样本集,将迭代训练后的图像识别模型作为下一次迭代训练的初始图像识别模型;
若确定所述迭代训练后的图像识别模型的准确率不大于所述初始图像识别模型的准确率,则仍将所述初始训练图像样本集作为下一次迭代训练的初始训练图像样本集,并仍将所述初始图像识别模型作为下一次迭代训练的初始图像识别模型。
7.一种图像识别模型训练方法,其特征在于,包括:
获取各影像图像,根据初始图像识别模型对所述各影像图像进行识别,分别获得所述各影像图像的预测病变类别,其中,所述初始图像识别模型是根据初始训练图像样本集训练获得的...
【专利技术属性】
技术研发人员:郑瀚,尚鸿,孙钟前,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。