【技术实现步骤摘要】
神经网络模型训练方法、图像处理方法、装置和设备
[0001]本公开涉及人工智能
，尤其涉及计算机视觉和机器学习技术，具体涉及一种神经网络模型的训练方法、图像处理方法、装置、设备、计算机可读存储介质和计算机程序产品。
技术介绍
[0002]人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
[0003]近年来，随着人工智能和大数据等技术的快速发展，可以从大量数据中获取有价值的信息，近年来，利用机器学习方法得到预测模型在影像组学领域开展了大量的研究。影像组学正成为医学研究领域日益流行的计算机辅助诊断工具。影像组学提供了成像生物标记物，可促进癌症检测、诊断、预后评估和治疗反应预测。
[0004]在此部分中描述的...
【技术保护点】
【技术特征摘要】
1.一种神经网络模型的训练方法，所述方法包括以下步骤：获取图像数据集中的训练数据集；将所述训练数据集输入设置有超参数集的数据处理模型，得到第一特征集；将所述第一特征集输入第一预测模型，得到所述第一预测模型的第一性能指标；基于所述第一性能指标，向所述数据处理模型反馈超参数的调整方向；基于所述调整方向调整所述超参数集；将所述训练数据集输入设置有调整后的超参数集的所述数据处理模型，得到第二特征集；将所述第二特征集输入所述第一预测模型，得到所述第一预测模型的第二性能指标；以及响应于所述第二性能指标符合预设条件，将所述第二特征集输入第二预测模型，以用于训练所述第二预测模型来得到目标模型。2.如权利要求1所述的方法，还包括：响应于所述第二性能指标不符合所述预设条件，向所述数据处理模型反馈超参数的调整方向；以及返回基于所述调整方向调整所述超参数集的步骤。3.如权利要求1所述的方法，其中，基于所述第一性能指标，向所述数据处理模型反馈超参数的调整方向包括：基于贝叶斯优化算法中的至少一种代理函数，拟合所述超参数集中的至少一种超参数与所述第一性能指标之间的关系，以用来确定所述至少一种超参数中待调整的超参数和所述待调整的超参数的调整方向。4.如权利要求3所述的方法，其中，所述数据处理模型包括图像采集子模型和图像预处理子模型，所述图像采集子模型用于处理所述训练数据集以得到第一数据集，所述图像预处理子模型用于对所述第一数据集进行预处理，并且其中，基于所述调整方向调整所述超参数集包括：调整所述待调整的超参数中的第一超参数，所述第一超参数设置在所述数据预处理子模型中，用来控制对所述第一数据集进行强度归一化；以及调整所述待调整的超参数中的第二超参数，所述第二超参数设置在所述图像预处理子模型中，用来控制对经过强度归一化后的所述第一数据集进行数据离散化。5.如权利要求4所述的方法，其中，所述处理所述训练数据集以得到第一数据集包括：对所述训练数据集中的多个训练数据样本进行重采样，使得所述多个训练数据样本具有相同大小的像素；以及基于所述图像预处理子模型中的注意力机制，提取经过重采样后的所述多个训练数据样本的感兴趣区域，得到所述第一数据集。6.如权利要求4所述的方法，其中，所述图像预处理子模型用于预处理所述第一数据集以得到所述第二数据集，其中，所述数据处理模型还包括特征提取子模型和特征筛选子模型，所述特征提取子模型用于从所述第二数据集中提取特征以得到第三数据集，所述特征筛选子模型用于从所述第三数据集中选择特征以得到所述第一特征集，并且其中，基于所述调整方向调整所述超参数集还包括：
调整所述待调整的超参数中的第三超参数，所述第三超参数设置在所述特征筛选子模型中，用来控制对所述第三数据集进行特征选择；以及调整所述待调整的超参数中的第四超参数，所述第四超参数设置在所述特征筛选子模型中，用来控制对从所述第三数据集中选择的特征进行特征降维。7.如权利要求6中所述的方法，其中，所述从...
【专利技术属性】
技术研发人员：刘佳，杨叶辉，尚方信，王兆玮，王磊，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：
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。