【技术实现步骤摘要】
模型训练方法、装置、电子设备及存储介质
[0001]本申请涉及人工智能
,尤其涉及一种模型训练方法
、
装置
、
电子设备及存储介质
。
技术介绍
[0002]糖尿病肾病
(Diabetic Nephropathy,DN)
是最主要的糖尿病微血管并发症之一,是指糖尿病导致的慢性病,是慢性肾脏病和终末期肾脏病
(
肾衰竭
)
的重要原因
。
糖尿病肾病早期其无明显症状,仅通过糖尿病早期筛查发现有微量白尿蛋白情况,中晚期患者主要症状为高血压
、
水肿为主,体检可发现大量尿蛋白,部分患者可出现贫血现象,且常合并其他微血管并发症,如糖尿病视网膜病变以及周围血管
、
心血管和脑血管并发症
。
因此,识别患有糖尿病肾病的人,对确保提供适当的治疗变得越来越重要,尤其是早期阶段,仅通过体检很难发现
。
[0003]眼底图像是由单目相机捕获的眼底在
2D
平面上的投影
。
与其他眼部扫描
(
如
OCT
图像和血管造影等
)
不同,眼底图像可以以非侵入性和经济高效的方式获取,使其更适合大规模筛查
。
为此,人工智能尤其是机器学习和深度学习有望为利用眼底图像进行疾病的检测和预防提供更好的解决方案
。
[0004]近年来,许多研究工作在眼底图像上有效利用了深 ...
【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:获取用户的符合模型训练条件的样本眼底图像,所述样本眼底图像标注有预设疾病的真实疾病类别;将所述样本眼底图像输入至待训练疾病预测模型,所述待训练疾病预测模型包括:特征动态选择网络层和分类层;调用所述特征动态选择网络层对所述样本眼底图像对应的眼底特征图进行多尺度特征选择聚合操作,得到聚合特征图;调用所述分类层对所述聚合特征图进行处理,得到所述用户的预测疾病类别;基于所述真实疾病类别和所述预测疾病类别,计算得到所述待训练疾病预测模型的损失值;在所述损失值处于预设范围内的情况下,将训练后的待训练疾病预测模型作为最终的疾病预测模型
。2.
根据权利要求1所述的方法,其特征在于,所述将所述样本眼底图像输入至待训练疾病预测模型,包括:获取所述样本眼底图像对应的用于指示预测指定疾病类别的任务编码信息;将所述样本眼底图像和所述任务编码信息输入至所述待训练疾病预测模型
。3.
根据权利要求2所述的方法,其特征在于,所述待训练疾病预测模型还包括:控制器,在所述调用所述特征动态选择网络层对所述样本眼底图像对应的眼底特征图进行多尺度特征选择聚合操作,得到聚合特征图之前,还包括:调用所述控制器根据所述任务编码信息过滤掉所述样本眼底图像的眼底特征中与所述指定疾病类别无关的特征,得到所述眼底特征图
。4.
根据权利要求1所述的方法,其特征在于,所述特征动态选择网络层包括:特征提取层
、
权重计算层和特征聚合层,所述调用所述特征动态选择网络层对所述样本眼底图像对应的眼底特征图进行多尺度特征选择聚合操作,得到聚合特征图,包括:调用所述特征提取层对所述眼底特征图进行多尺度特征提取操作,得到多尺度眼底特征;调用所述权重计算层对所述多尺度眼底特征进行处理,,得到所述多尺度眼底特征对应的特征权重;调用所述特征聚合层根据所述特征权重对所述多尺度眼底特征进行聚合,得到所述聚合特征图
。5.
根据权利要求1所述的方法,其特征在于,所述获取用户的符合模型训练条件的样本眼底图像,包括:获取所述用户的多幅初始眼底图像;调用预设模型对所述初始眼底图像进行处理,以筛选出所述初始眼底图像中符合模型训练条件的所述样本眼底图像,所述样本眼底图像为真实眼底图像类别且图像质量大于质量阈值的眼底图像
。6.
根据权利要求5所述的方法,其特征在于,所...
【专利技术属性】
技术研发人员:夏鹏,马彤,王斌,戈宗元,张大磊,
申请(专利权)人:上海鹰瞳医疗科技有限公司,
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。