一种模型训练方法、系统和存储介质技术方案

本说明书实施例提供一种模型训练方法、系统和存储介质。所述方法包括：获取预训练样本，所述预训练样本包括预训练图像和多个参考任务对应的多幅金标准图像；利用预训练样本对初始模型进行预训练，获取预训练模型，初始模型为可以实现多个参考任务的多任务模型；以及基于目标训练样本和预训练模型，生成用于实现目标任务的目标模型，目标训练样本包括目标训练图像和目标任务对应的目标金标准图像，目标训练图像与预训练图像具有相同的图像模态。练图像与预训练图像具有相同的图像模态。练图像与预训练图像具有相同的图像模态。

【技术实现步骤摘要】
一种模型训练方法、系统和存储介质


[0001]本说明书涉及信息
，特别涉及一种模型训练方法、系统和存储介质。

技术介绍

[0002]迁移学习是指基于大量数据集预先训练一个模型，然后基于目标任务的训练样本对该模型进一步训练，以获取可以实现目标任务的目标模型。然而，特定领域(例如，医疗领域)的训练样本数量较少，且和通用领域的数据集差异较大，使得目标模型的准确率较低。
[0003]因此，有必要提供一种模型训练方案，可以基于特定领域的少量训练样本得到高准确率的目标模型。

技术实现思路

[0004]本说明书一个或多个实施例提供一种模型训练方法，所述方法包括：获取预训练样本，所述预训练样本包括预训练图像和多个参考任务对应的多幅金标准图像；利用预训练样本对初始模型进行预训练，获取预训练模型，初始模型为可以实现多个参考任务的多任务模型；以及基于目标训练样本和预训练模型，生成用于实现目标任务的目标模型，目标训练样本包括目标训练图像和目标任务对应的目标金标准图像，目标训练图像与预训练图像具有相同的图像模态。
>[0005]本说明本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型训练方法，其特征在于，所述方法包括：获取预训练样本，所述预训练样本包括预训练图像和多个参考任务对应的多幅金标准图像；利用所述预训练样本对初始模型进行预训练，获取预训练模型，所述初始模型为可以实现所述多个参考任务的多任务模型；以及基于目标训练样本和所述预训练模型，生成用于实现目标任务的目标模型，所述目标训练样本包括目标训练图像和所述目标任务对应的目标金标准图像，所述目标训练图像与所述预训练图像具有相同的图像模态。2.如权利要求1所述的方法，其特征在于，所述参考任务包括重建任务，所述重建任务对应的金标准图像和所述预训练图像相同。3.如权利要求1所述的方法，其特征在于，所述预训练过程至少基于一致性损失项进行，所述一致性损失项基于第一参考任务对应的第一预测结果和第二参考任务对应的第二预测结果确定。4.如权利要求1所述的方法，其特征在于，所述初始模型包括至少两个特征提取模块，所述至少两个特征提取模块至少包括多任务特征学习模块，所述多任务特征学习模块包括：特征提取单元，用于从所述特征提取单元的输入中提取第一特征信息；特征融合单元，用于基于初始融合矩阵和所述第一特征信息确定第二特征信息，并将所述第二特征信息输入至所述多任务特征学习模块的相连特征提取模块中。5.如权利要求4所述的方法，其特征在于，对每个参考任务，所述特征提取单元包括与所述参考任务对应的特征拆解块，所述特征拆解块用于提取所述第一特征信息中与所述参考任务对应的特征信息子集；所述预训练过程中，所述特征拆解块基于所述特征信息子集和所述参考任务对应的金标准图像进行更新。6.如权利要求4所述的方法，其特征在于，所述预训练过程中，所述特征融合单元中的初始融合矩阵基于所述相连特征提取模块的输出和所述多幅金标准图...

【专利技术属性】
技术研发人员：杨海波，廖术，
申请(专利权)人：上海联影智能医疗科技有限公司，
类型：发明
国别省市：