[发明专利]对基于眼底图像识别心脑血管风险的模型进行训练的方法及其相关产品

说明书

本发明提供一种对基于眼底图像识别心脑血管风险的模型进行训练的方法及其相关产品，该方法包括：获取关于模型训练的多个训练期间的期间设置以及与期间设置对应的多个梯度约束设置，其中梯度约束设置应用于模型的多个输出分支，该每个输出分支与用于确定心脑血管风险的多个指标之一关联并且具有对应的损失函数；在模型训练的多个训练期间应用对应的梯度约束设置，以便基于对应的梯度约束设置来更新所述模型的模型参数。利用本发明的方案，可以有效地训练识别模型并且通过识别模型来分析眼底图像，可以实现无创地对心脑血管风险进行评估。由此，相对于现有技术显著简化识别的复杂度并提升了识别的准确性。

技术领域

本发明一般地涉及图像分析领域。更具体地，在一个方面中，本发明涉及一种用于对基于眼底图像识别心脏血管风险的模型进行训练的方法、相应的设备和计算机可读存储介质。在另一方面中，本发明涉及一种基于眼底图像识别心脑血管风险的方法、相应的设备和计算机可读存储介质。

背景技术

当前，在医学上对心脑血管风险程度的评判有一系列基于身体指标的量化方法。例如，可以使用年龄、性别、收缩压、舒张压等各种指标来通过风险函数进行计算，从而可以得到表示 5-10年内被评估 者发生心脑血管事件的风险值，也即几率。为了实现通过图像分析来识别被评估者的心脑血管风险的水平，当前也提出利用神经网络模型来对输入的眼底图像进行推断操作，从而实现仅通过眼底图像即可确定被评估者的心脑血管风险水平。尽管前述基于眼底图像识别出心脑血管风险易于实现且方便评估，但当前的识别方案在此类神经网络模型的训练和推断方面都存在缺陷。例如，由于没有考虑指标训练的难度，现有的神经网络模型无法实现高效训练并且由此也造成训练后的神经网络模型在推断方面低效。因此，如何克服现有技术中的识别缺陷，提供高效的训练方法以便实现准确识别成为亟需解决的技术问题。

发明内容

为了解决上述的技术问题，本发明提供了一种基于眼底图像实现无创评估心脑血管风险的方案。特别地，本发明通过训练具有多个分支的神经网络，从而实现对心脑血管风险的无创和有效评估。为此，本发明在如下的多个方面提供解决方案。

在第一方面中，本发明提供一种用于对基于眼底图像识别心脑血管风险的模型进行训练的方法，所述方法由计算装置来实现，并且包括：获取关于所述模型训练的多个训练期间的期间设置以及与所述期间设置对应的多个梯度约束设置，其中所述梯度约束设置应用于所述模型的多个输出分支，所述多个输出分支的每个输出分支与用于确定心脑血管风险的多个指标之一关联并且具有对应的损失函数；在所述模型训练的多个训练期间的反向训练中应用对应的梯度约束设置，以便基于所述对应的梯度约束设置来更新所述模型的模型参数，直至完成对所述模型的训练操作。

在一个实施例中，所述梯度约束设置与对应的所述训练期间多个指标的训练难易度相关联。

在一个实施例中，所述多个训练期间包括第一训练期间和第二训练期间，所述方法包括： 在所述模型的第一训练期间，对所述模型的多个输出分支应用第一梯度约束，以便在模型的反向训练中基于所述第一梯度约束更新所述模型的模型参数；以及在所述第一训练期间后的第二训练期间，对所述模型的多个输出分支应用第二梯度约束，以便在所述模型的所述反向训练中基于所述第二梯度约束更新所述模型参数。

在一个实施例中，其中在模型的反向训练中基于所述第一梯度约束和第二梯度约束更新所述模型的模型参数中，所述方法包括：基于所述第一梯度约束更新所述模型的模型参数，以使得低训练难度的指标具有高权重的模型参数并且使得高训练难度的指标具有低权重的模型参数；以及基于所述第二梯度约束更新所述模型的模型参数，以使得低训练难度的指标具有权重下降的模型参数并且使得高训练难度的指标具有权重上升的模型参数。

在一个实施例中，所述多个指标中包括与所述心脑血管风险相关联的多个常规指标，以及基于前述多个常规指标的风险函数指标，其中风险函数指标值指示与所述眼底图像相关联的心脑血管风险水平。