一种评分模型训练方法及装置制造方法及图纸

本申请公开了一种评分模型训练方法及装置，该方法包括：在获取到目标检测项对应的训练数据及医学结论信息之后，先利用该训练数据对初始模型进行训练得到待校正模型，再依据该医学结论信息对待校正模型进行校正得到校正后模型，并根据校正后模型确定目标检测项对应的评分模型，以使该评分模型能够用于对待评分患者在目标检测项中生成的待检测数据进行评分，得到该待评分患者的目标检测项评分。其中，因评分模型是基于目标检测项对应的训练数据及医学结论信息得到的，使得该评分模型能够对目标检测项中的待检测数据进行准确地评分，如此能够避免人工评分导致的不良影响，从而有利于提高检测项评分的准确性以及稳定性。

【技术实现步骤摘要】
一种评分模型训练方法及装置
本申请涉及计算机
，尤其涉及一种评分模型训练方法及装置。
技术介绍
疾病诊断表（如帕金森综合评分量表）用于记录疾病（如帕金森病）的诊断标准。疾病诊断表通常记录有多个检测项（如步态检测项、姿势检测项、椅中起立检测项等）。其中，检测项是指为了诊断患者是否具有上述疾病时需要对该患者进行检测的项目（如步态、姿势、椅中起立等项目）。另外，检测项通常对应于多个检测项评分，该检测项评分用于表征患者在该检测项中的疾病表现（如步态障碍、运动迟缓、震颤、肌强直等疾病表现）所达到严重程度（如轻度、中度、高度等）。目前，在确定某患者在某个检测项中达到的检测项评分时，可以由医生依据其诊断经验和疾病诊断表中记录的该检测项相关内容，对该患者的身体状况信息（如患者描述的身体状况信息和医生观察到的患者身体状况信息）直接进行评分，得到该患者达到的检测项评分（如姿态检测项评分为3分）。其中，因上述确定出的检测项评分是由医生凭经验确定的，使得上述确定出的检测项评分的主观性较高，从而使得确定出的检测项评分的准确性较低。>专利技术内本文档来自技高网...

【技术保护点】
1.一种评分模型训练方法，其特征在于，包括：/n获取目标检测项对应的训练数据及医学结论信息；/n利用所述训练数据对初始模型进行训练，得到待校正模型；/n根据所述医学结论信息对所述待校正模型进行校正，得到校正后模型；/n根据所述校正后模型，确定所述目标检测项对应的评分模型；/n所述根据所述医学结论信息对所述待校正模型进行校正，得到校正后模型，包括：/n根据所述医学结论信息，生成所述目标检测项对应的评分约束条件；/n利用所述评分约束条件对所述待校正模型进行校正，得到校正后模型，以使所述校正后模型满足所述目标检测项对应的评分约束条件。/n

【技术特征摘要】
1.一种评分模型训练方法，其特征在于，包括：
获取目标检测项对应的训练数据及医学结论信息；
利用所述训练数据对初始模型进行训练，得到待校正模型；
根据所述医学结论信息对所述待校正模型进行校正，得到校正后模型；
根据所述校正后模型，确定所述目标检测项对应的评分模型；
所述根据所述医学结论信息对所述待校正模型进行校正，得到校正后模型，包括：
根据所述医学结论信息，生成所述目标检测项对应的评分约束条件；
利用所述评分约束条件对所述待校正模型进行校正，得到校正后模型，以使所述校正后模型满足所述目标检测项对应的评分约束条件。


2.根据权利要求1所述的方法，其特征在于，所述根据所述校正后模型，确定所述目标检测项对应的评分模型，包括：
在确定所述校正后模型满足预设条件时，将所述目标检测项对应的评分模型更新为所述校正后模型，并继续执行所述利用所述训练数据对初始模型进行训练，得到待校正模型的步骤。


3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
获取所述校正后模型的模型损失值和所述评分模型的模型损失值；
在确定所述校正后模型的模型损失值低于所述评分模型的模型损失值时，确定所述校正后模型满足预设条件。


4.根据权利要求3所述的方法，其特征在于，所述获取所述校正后模型的模型损失值，包括：
获取所述目标检测项对应的验证数据和所述验证数据对应的实际评分；
将所述目标检测项对应的验证数据输入所述校正后模型，得到所述校正后模型输出的所述验证数据对应的模型评分；
根据所述模型评分和所述实际评分，确定第一损失值和第二损失值；其中，所述第一损失值用于表征所述验证数据对应的模型评分与实际评分之间的差值；所述第二损失值用于表征对应的模型评分与实际评分之差超过差值阈值的验证数据的个数；
将所述第一损失值和第二损失值进行加权求和，得到所述校正后模型的模型损失值。


5.根据权利要求1所述的方法，其特征在于，当所述初始模型为决策树分类器时，所述根据所述医...

【专利技术属性】
技术研发人员：苏晓芸，支洪平，
申请(专利权)人：科大讯飞苏州科技有限公司，
类型：发明
国别省市：江苏;32