皮肤图片分类模型的训练方法、装置、设备及介质制造方法及图纸

本申请公开了一种皮肤图片分类模型的训练方法、装置、介质及设备，方法包括：获取训练集，其中，训练集包括一个或多个皮肤图片以及皮肤图片对应的患者信息；将皮肤图片输入皮肤图片分类模型中，其中，皮肤图片分类模型包括多个学习任务，多个学习任务中包括一个目标任务；根据多个学习任务的第一输出信息以及患者信息调整皮肤图片分类模型的参数；将皮肤图片输入皮肤图片分类模型中，并根据目标任务的第二输出信息以及患者信息调整参数。本申请的方法解决了皮肤图片分类模型的精度低下的问题，提升了在线问诊的医疗服务质量。提升了在线问诊的医疗服务质量。提升了在线问诊的医疗服务质量。

【技术实现步骤摘要】
皮肤图片分类模型的训练方法、装置、设备及介质


[0001]本申请涉及人工智能
，尤其是涉及到一种皮肤图片分类模型的训练方法、装置、设备及介质。

技术介绍

[0002]随着互联网技术的发展，医疗领域的在线问诊服务得到了快速发展。相较于传统的到医院进行线下问诊的方式，在线问诊具有不受时间和地点的限制随时随地问诊的优势，因此越来越多的人选择线上问诊服务进行就医。
[0003]在线问诊场景中，针对皮肤问题的在线问诊服务非常重要。其原因主要是两个方面，一方面，因为皮肤问题而进行在线问诊的人数在在线问诊中排名前列；另一方面，皮肤科问诊可由患者自行拍照上传皮肤患处图片的特点非常适合于在线问诊场景。
[0004]目前，已有应用人工智能技术训练的皮肤图片分类模型，可提供皮肤病分类结果提供给医生辅助其进行诊断。但是，由于皮肤图片由患者手机相机自行拍摄，存在皮肤图片质量和拍摄标准不一致的问题，现有的皮肤图片分类模型的精度不高。

技术实现思路

[0005]有鉴于此，本申请提供了一种皮肤图片分类模型的训练方法、装置、介质及设备，以解决皮肤图片分类模型的精度低下的问题。
[0006]本申请的第一方面，提供了一种皮肤图片分类模型的训练方法，包括：
[0007]获取训练集，其中，所述训练集包括一个或多个皮肤图片以及所述皮肤图片对应的患者信息；
[0008]将所述皮肤图片输入皮肤图片分类模型中，其中，所述皮肤图片分类模型包括多个学习任务，所述多个学习任务中包括一个目标任务；
[0009]根据所述多个学习任务的第一输出信息以及所述患者信息调整所述皮肤图片分类模型的参数；
[0010]将所述皮肤图片输入所述皮肤图片分类模型中，并根据所述目标任务的第二输出信息以及所述患者信息调整所述参数。
[0011]本申请的第二方面，提供了一种皮肤图片分类模型的训练装置，包括：
[0012]获取模块，用于获取训练集，其中，所述训练集包括一个或多个皮肤图片以及所述皮肤图片对应的患者信息；
[0013]输入模块，用于将所述皮肤图片输入皮肤图片分类模型中，其中，所述皮肤图片分类模型包括多个学习任务，所述多个学习任务中包括一个目标任务；
[0014]优化模块，用于根据所述多个学习任务的第一输出信息以及所述患者信息调整所述皮肤图片分类模型的参数；
[0015]所述输入模块，还用于将所述皮肤图片输入所述皮肤图片分类模型中；
[0016]所述优化模块，还用于根据所述目标任务的第二输出信息以及所述患者信息调整
所述参数。
[0017]本申请的第三方面，提供了一种计算机设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述皮肤图片分类模型的训练方法。
[0018]本申请的第四方面，提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述皮肤图片分类模型的训练方法。
[0019]上述基于皮肤图片分类模型的训练方法、装置、设备及介质所实现的方案，根据皮肤病诊断的特点，设置了多个与皮肤病诊断相关的学习任务，并设置了两阶段的模型训练方法，在第一阶段综合分析多个学习任务的损失值，进行参数调整，利用多个学习任务提高学习的泛化效果，降低陷入局部最优的风险，并降低过拟合的风险；而在第二阶段，在第一阶段得到的参数的基础上，针对目标任务再进行单独的训练并进行调优，以突出在线问诊的最终目标，相较于现有的模型优化方法，本方法训练后的模型准确度更高，解决了现有的皮肤图片分类模型的精度低下的问题，提升了在线问诊的医疗服务质量。
[0020]上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
[0021]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0022]图1示出了本申请实施例提供的一种皮肤图片分类模型的训练方法的流程示意图；
[0023]图2示出了本申请实施例提供的另一种皮肤图片分类模型的训练方法的流程示意图；
[0024]图3示出了本申请实施例提供的另一种皮肤图片分类模型的训练方法的流程示意图；
[0025]图4示出了本申请实施例提供的另一种皮肤图片分类模型的训练方法的预设质控模型的结构示意图；
[0026]图5示出了本申请实施例提供的另一种皮肤图片分类模型的皮肤图片分类模型框架示意图；
[0027]图6示出了本申请实施例提供的另一种皮肤图片分类模型的训练方法的流程示意图；
[0028]图7示出了本申请实施例提供的另一种皮肤图片分类模型的训练方法的流程示意图；
[0029]图8示出了本申请实施例提供的另一种皮肤图片分类模型的训练方法的流程示意图；
[0030]图9示出了本申请实施例提供的另一种皮肤图片分类模型的训练方法的流程示意
图；
[0031]图10示出了本申请实施例提供的一种皮肤图片分类模型的训练装置的结构框图；
[0032]图11示出了本申请实施例提供的一种计算机设备的结构框图。
具体实施方式
[0033]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0034]本申请实施例提供的皮肤图片分类模型的训练方法，可以应用在具有指令或程序运行能力的电子设备中，其中，电子设备可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，也可以用独立的服务器或者是多个服务器组成的服务器集群来实现。运行在不同的运算设备仅是方案在执行主体上的差异，本领域人员可预见在不同运算设备中运行能够产生相同的技术效果。下面通过具体的实施例对本专利技术进行详细的描述。
[0035]请参阅图1所示，图1为本专利技术实施例提供的皮肤图片分类模型的训练方法的一个流程示意图，包括如下步骤：
[0036]S10：获取训练集，其中，训练集包括一个或多个皮肤图片以及皮肤图片对应的患者信息；
[0037]本专利技术提供的方法，用于提高模型的精准度。因此，本方法利用训练集来训练皮肤图片分类模型。其中，训练集是预先设置的用于训练模型的样本集合，训练集包括皮肤图片和每个皮肤图片对应的患者信息，其中，皮肤图片的内容为患者的患处局部皮肤。
[0038]其中，由于不同患者自行拍摄得到的图片属性也可能不同，因此训练集中的多个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种皮肤图片分类模型的训练方法，其特征在于，所述方法包括：获取训练集，其中，所述训练集包括一个或多个皮肤图片以及所述皮肤图片对应的患者信息；将所述皮肤图片输入皮肤图片分类模型中，其中，所述皮肤图片分类模型包括多个学习任务，所述多个学习任务中包括一个目标任务；根据所述多个学习任务的第一输出信息以及所述患者信息调整所述皮肤图片分类模型的参数；将所述皮肤图片输入所述皮肤图片分类模型中，并根据所述目标任务的第二输出信息以及所述患者信息调整所述参数。2.根据权利要求1所述的方法，其特征在于，所述多个学习任务包括：目标任务、第一任务、第二任务和第三任务；所述根据所述多个学习任务的第一输出信息以及所述患者信息调整所述皮肤图片分类模型的参数之前，还包括：每个所述学习任务分别根据所述皮肤图片，预测并输出所述学习任务对应的第一输出信息；其中，所述目标任务对应的第一输出信息为所述皮肤图片对应的预测皮肤病种类，所述第一任务对应的第一输出信息为所述皮肤图片对应的预测皮肤属性，所述第二任务对应的第一输出信息为所述皮肤图片对应的预测患者年龄段，所述第三任务对应的第一输出信息为所述皮肤图片对应的预测患者性别。3.根据权利要求2所述的方法，其特征在于，所述根据所述皮肤图片，预测并输出所述学习任务对应的第一输出信息，具体包括：若所述学习任务为所述第一任务，则根据预设问诊模板，确定与预设问诊问题对应的选项；在多个所述选项中，选择与所述皮肤图片对应的选项作为所述预测皮肤属性，并输出所述预测皮肤属性，其中，所述预测皮肤属性为一个或多个。4.根据权利要求1所述的方法，其特征在于，所述皮肤图片分类模型为包括共享层和特有层的神经网络模型；每个所述学习任务分别根据所述皮肤图片，预测并输出所述学习任务对应的第一输出信息，具体包括：所述皮肤图片分类模型在所述共享层，确定所述皮肤图片的共享特征，其中，所述共享特征包括纹理特征以及光谱特征中的至少一个；所述学习任务在所述特有层，确定所述皮肤图片中与所述学习任务相关的特有特征，并根据所述共享特征以及所述特有特征，预测并输出所述第一输出信息。5.根据权利要求2所述的方法，其特征在于，所述根据所述多个学习任务的第一输出信息以及所述患者信息调整所述皮肤图片分类模型的参数，具体包括：分别根据所述患者信息以及每个所述学习任务的第一输出信息，确定所述学习任务的损失值；确定所有所述学习...

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