疾病特征识别模型训练、疾病特征识别方法、装置及设备制造方法及图纸

本发明专利技术涉及人工智能技术领域，应用于智慧医疗领域中，以便推动智慧城市的建设，揭露了一种疾病特征识别模型训练、疾病特征识别方法、装置、计算机设备及存储介质，该方法通过将样本人脸图像输入至预设识别模型中，得到预测全局特征标签、预测局部特征标签以及预测监督特征标签；根据确定的第一预测损失值、第二预测损失值、第三预测损失值，以及获取的第一预测权重、第二预测权重、第三预测权重确定预设识别模型的总损失值；在总损失值未达到预设的收敛条件时，迭代更新预设识别模型中的初始参数，直至总损失值达到收敛条件时，将收敛之后的预设识别模型记录为疾病特征识别模型。本发明专利技术提高了模型训练的效率以及准确率，提高了特征识别的准确率。征识别的准确率。征识别的准确率。

【技术实现步骤摘要】
疾病特征识别模型训练、疾病特征识别方法、装置及设备


[0001]本专利技术涉及分类模型
，尤其涉及一种疾病特征识别模型训练、疾病特征识别方法、装置、计算机设备及存储介质。

技术介绍

[0002]随着科学技术的提高，医疗技术也随之提高，进而可以通过不同的医疗器械对不同的病征进行检查。目前，一些病症如甲亢、唐氏综合症等，其病征会在身体(如脸部、脖子、皮肤等)上出现较为明显特征，因此可以通过这些出现在身体的病征向用户提前预警，从而更好的预防病情加重。
[0003]现有技术中，往往是通过人工检测方式查看是否出现上述特征，但是该方法存在以下不足：特征识别效率较低，且需要专业的人员才可以进行特征识别，否则容易出现识别错误的现象；人工成本较高，不利于大量特征识别检测。

技术实现思路

[0004]本专利技术实施例提供一种疾病特征识别模型训练、疾病特征识别方法、装置、计算机设备及存储介质，以解决特征识别效率较低且错误率较高的问题。
[0005]一种疾病特征识别模型训练方法，包括：
[0006]获取预设样本人脸数据集；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种疾病特征识别模型训练方法，其特征在于，包括：获取预设样本人脸数据集；所述预设样本人脸数据集中包含至少一个样本人脸图像；一个所述样本人脸图像关联一个目标疾病特征标签；将所述样本人脸图像输入至包含初始参数的预设识别模型中，以通过所述预设识别模型对所述样本人脸图像进行疾病特征识别，得到与所述样本人脸图像对应的预测全局特征标签、预测局部特征标签以及预测监督特征标签；根据所述预测全局特征标签与所述目标疾病特征标签确定所述预设识别模型的第一预测损失值；根据所述预测局部特征标签与所述目标疾病特征标签确定所述预设识别模型的第二预测损失值；根据所述预测监督特征标签与所述目标疾病特征标签确定所述预设识别模型的第三预测损失值；获取与所述预测全局特征标签对应的第一预测权重，与所述预测局部特征标签对应的第二预测权重，以及与所述预测监督特征标签对应的第三预测权重；根据所述第一预测损失值、第一预测权重、第二预测损失值、第二预测权重、第三预测损失值以及第三预测权重，确定所述预设识别模型的总损失值；在所述总损失值未达到预设的收敛条件时，迭代更新所述预设识别模型中的初始参数，直至所述总损失值达到所述收敛条件时，将收敛之后的所述预设识别模型记录为疾病特征识别模型。2.如权利要求1所述的疾病特征识别模型训练方法，其特征在于，所述将所述样本人脸图像输入至包含初始参数的预设识别模型中，以通过所述预设识别模型对所述样本人脸图像进行疾病特征识别，得到与所述样本人脸图像对应的预测全局特征标签、预测局部特征标签以及预测监督特征标签，包括：通过所述预设识别模型的全局卷积网络对所述样本人脸图像进行卷积处理，得到中间卷积特征以及所述全局特征标签；将所述中间卷积特征输入至所述预设识别模型中的局部卷积网络中，得到与所述中间卷积特征对应的局部卷积特征，以及所述预测局部特征标签；将所述局部卷积特征输入至所述预设识别模型中的分段池化网络中，得到所述预测监督特征标签。3.如权利要求2所述的疾病特征识别模型训练方法，其特征在于，所述通过所述预设识别模型的全局卷积网络对所述样本人脸图像进行卷积处理，得到中间卷积特征以及所述全局特征标签，包括：通过所述全局卷积网络对所述样本人脸图像进行卷积处理，得到所述全局卷积网络的中间卷积层输出的所述中间卷积特征；将所述中间卷积特征输入至所述全局卷积网络的输出卷积层，得到所述输出卷积层输出的全局卷积特征；将所述全局卷积特征输入至所述全局卷积网络的全局全连接层，得到所述全局特征标签。4.如权利要求2所述的疾病特征识别模型训练方法，其特征在于，所述将所述中间卷积特征输入至所述预设识别模型中的局部卷积网络中，得到与所述中间卷积特征对应的局部卷积特征，以及所述预测局部特征标签，包括：
通过所述局部卷积网络中的局部卷积层对所述中间卷积特征进行局部特征提取，得到局部卷积特征；将所述局部卷积特征输入至所述局部卷积网络的局部全连接层，得到所述预测局部特征标签。5.如权利要求2所述的疾病特征识别模型训练方法，其特征在于，所述将所述局部卷积特征输入至所述预设识别模型中的分段池化网络中，得到所述预测监督特征标签，包括：通过所述分段池化网络中的分段池化层对所述局部卷积特征进行平均池化处理，得到至少一个池化特征；将...

【专利技术属性】
技术研发人员：刘海伦，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：