[发明专利]基于内镜图像对机器学习模型进行训练的方法、装置和存储介质

说明书

本发明提供了一种用于对机器学习模型进行训练的方法及装置。该方法包括：第一阶段：输入未标注样本集；基于经初始化或经预训练的机器学习模型通过主动学习从未标注样本集中选择待标注样本；对待标注样本进行标注，并将经标注的样本存储在标注数据集中；将标注数据集划分为训练数据集和验证数据集；使用训练数据集对机器学习模型进行训练，得到经训练的机器学习模型；使用验证数据集对经训练的机器学习模型进行验证，得到经训练的机器学习模型的性能；以及第二阶段：在经训练的机器学习模型的性能小于预定性能指标时，重复第一阶段中的步骤；直到经训练的机器学习模型的性能大于等于预定性能指标。

技术领域

本发明涉及机器学习领域，特别涉及一种用于基于内镜图像对机器学习模型进行训练的方法及装置以及存储介质。

背景技术

人工智能（Artificial Intelligence, AI）是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。

人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础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、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

机器学习（Machine Learning, ML）是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习等技术。

在机器学习领域中，机器学习模型的训练是基于大量样本数据进行的。在一些情况下，没有类标签的样本数据非常丰富，而具有类标签的样本数据则十分匮乏。一般而言，需要对没有类标签的样本数据进行人工标注，这会耗费大量时间并且成本高昂。此外，样本数据中可能存在大量简单的、对所训练模型而言易于分类的样本，这种样本数据对于所训练的模型的效果的提升作用很小，甚至没有作用，反而会增加模型的训练时间，且容易造成模型对简单样本的过拟合。

目前超过90%的医疗数据来自于医疗影像，医疗影像数据已经成为医生诊断必不可少的“证据”之一。经训练的机器学习模型可以辅助医生进行诊断，以提高诊断效率。但是，在机器学习模型的训练过程中，通常需要对海量的医疗影像数据进行人工标注来生成训练数据集。除了上述不足之外，这类标注大多需要医生来完成。然而，不同医生由于各自的专业知识、工作经验、工作状态等可能得出不一致的标注结论，从而可能影响训练数据集的质量，进而影响所训练的模型的准确性和鲁棒性。

发明内容

根据本发明的第一方面，提供了一种用于对机器学习模型进行训练的方法，其特征在于至少包括下述步骤：

第一阶段：

-输入未标注样本集；

-基于经初始化或经预训练的机器学习模型通过主动学习从未标注样本集中选择待标注样本；

-对待标注样本进行标注，并将经标注的样本存储在标注数据集中；

-将标注数据集划分为训练数据集和验证数据集；

-使用训练数据集对机器学习模型进行训练，得到经训练的机器学习模型；

-使用验证数据集对经训练的机器学习模型进行验证，得到经训练的机器学习模型的性能；以及