[发明专利]模型评测方法、装置、设备及介质

说明书

本发明实施例公开了一种模型评测方法、装置、设备及介质。该方法包括：获取第一图像数据，将所述第一图像数据输入至所述已训练分割模型中，得到第一预测结果；其中，所述已训练分割模型采用图像数据和标注数据的样本集进行训练而得；将所述第一预测结果输入至回归模型中，得到对所述已训练分割模型的评测结果；其中，所述回归模型用于计算预测结果的分布规律与标注数据的分布规律的相似度。本发明实施例的技术方案，解决了通过医学专家对分割模型进行评测易受主观性影响的问题，实现降低人力成本，提高对模型评测的准确性的效果。

技术领域

本发明实施例涉及图像处理技术，尤其涉及一种模型评测方法、装置、设备及介质。

背景技术

近十年来，人工智能在医学领域发展迅速，很大程度上得益于机器学习技术的发展与进步，而机器学习也成为医学领域创新的新引擎。与传统机器学习技术的功能很大程度上受其浅层结构的限制不同，深度学习模仿人脑的深层组织结构可处理并表达来自多层面的信息。故基于深度学习技术的图像分割网络在医疗影像领域的广泛应用。

由于深度学习是一种监督的机器学习算法，需要基于大量带有标注的数据(医学影像中也常称作“金标准”)来训练深度学习模型和对模型的性能进行评估，旨在提高模型的准确性和泛化性，因此科研和工程人员对带有标注的数据的需求越来越大，对标注数据的质量要求也越来越高，需要大量的人力来对数据进行标注。

在对已训练机器学习模型的准确性等性能进行评测时，一般可组织医学专家对模型输出结果判断。但是该评测方案占用的人力成本较高，且医学专家对于疾病结果的判断也会受经验、认知的影响而带有主观性，所以现有技术中对机器学习模型的评测方案有待改善。

发明内容

本发明实施例提供一种模型评测方法、装置、设备及介质，以优化对机器学习模型的评测，降低人力成本，提高评测准确性。

第一方面，本发明实施例提供了一种模型评测方法，该方法包括：

获取第一图像数据，将所述第一图像数据输入至所述已训练分割模型中，得到第一预测结果；其中，所述已训练分割模型采用图像数据和标注数据的样本集进行训练而得；

将所述第一预测结果输入至回归模型中，得到对所述已训练分割模型的评测结果；其中，所述回归模型用于计算预测结果的分布规律与标注数据的分布规律的相似度。

第二方面，本发明实施例还提供了一种模型评测装置，该装置包括：

第一预测结果获取模块，用于获取第一图像数据，将所述第一图像数据输入至所述已训练分割模型中，得到第一预测结果；其中，所述已训练分割模型采用图像数据和标注数据的样本集进行训练而得；

评测结果获取模块，用于将所述第一预测结果输入至回归模型中，得到对所述已训练分割模型的评测结果；其中，所述回归模型用于计算预测结果的分布规律与标注数据的分布规律的相似度。

第三方面，本发明实施例还提供了一种模型评测设备，其中，所述模型评测设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例所提供的模型评测方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如本发明任意实施例所提供的模型评测方法。