[发明专利]一种模型训练方法及装置、电子设备和存储介质

权利要求书

1.一种模型训练方法，其特征在于，包括：

获取目标域数据和源域数据，所述目标域数据和所述源域数据中包含的目标对象相同，所述源域数据中包含的目标对象具有标签，所述目标域数据和所述源域数据包括影像数据，所述目标域数据为MRI图像，所述源域数据为CT图像，所述目标对象为人体器官；

根据所述目标域数据和所述源域数据，得到拟合数据，所述拟合数据包含所述目标域数据的风格特征和所述源域数据的结构特征，所述结构特征为所述目标对象的空间位置及布局的信息，所述拟合数据为拟合图像；

根据所述拟合数据和所述标签，训练初始模型，得到中间模型；

根据所述目标域数据，对所述中间模型进行自监督训练，得到目标模型，所述目标模型用于识别所述目标域数据中包含的目标对象；

所述根据所述目标域数据和所述源域数据，得到拟合数据，包括：

将所述目标域数据和所述源域数据输入对抗生成网络，所述对抗生成网络包括提取网络和生成网络；

根据所述提取网络，提取所述目标域数据的风格特征和所述源域数据的结构特征；

根据所述生成网络，生成包含所述源域数据的风格特征和所述目标域数据的结构特征的拟合数据；

其中，所述对抗生成网络通过所述目标域数据和所述源域数据进行对抗训练得到；

所述对抗生成网络通过所述目标域数据和所述源域数据进行对抗训练得到，包括：

根据所述提取网络，提取所述目标域数据的第一风格特征和第一结构特征、所述源域数据的第二结构特征和第二风格特征；

根据所述生成网络，生成第一重建数据、第一转换数据、第二转换数据和第二重建数据，所述第一重建数据包含第一风格特征和第一结构特征，所述第一转换数据包含第一风格特征和第二结构特征，所述第二转换数据包含所述第一结构特征和第二风格特征，所述第二重建数据包含第二结构特征和第二风格特征；

根据判别网络，判别所述第一重建数据、所述第一转换数据、所述第二转换数据和所述第二重建数据的真假，得到判别结果；

根据所述判别结果，对所述对抗生成网络的参数进行调整。

2.根据权利要求1所述的方法，其特征在于，所述根据所述判别结果，对所述对抗生成网络的参数进行调整，包括：

根据所述目标域数据和所述第一重建数据之间的差异，生成第一重建损失；

根据所述源域数据和所述第二重建数据之间的差异，生成第二重建损失；

根据所述判别网络输出的对所述第一重建数据的判别结果，生成第一判别损失；

根据所述判别网络输出的对所述第一转换数据的判别结果，生成第二判别损失；

根据所述判别网络输出的对所述第二转换数据的判别结果，生成第三判别损失；

根据所述判别网络输出的对所述第二重建数据的判别结果，生成第四判别损失；

根据所述第一重建损失、所述第二重建损失、所述第一判别损失、所述第二判别损失、所述第三判别损失和所述第四判别损失，对所述生成网络和所述判别网络进行对抗训练，获得训练后的神经网络。

3.根据权利要求1所述的方法，其特征在于，所述根据所述目标域数据，对所述中间模型进行自监督训练，得到目标模型，包括：

将所述目标域数据输入所述中间模型，得到输出结果，作为所述目标域数据的伪标签；

根据所述目标域数据和所述伪标签，训练所述中间模型，得到更新后的中间模型；

对所述中间模型迭代地执行上述步骤，直至得到满足预设条件的目标模型。

4.根据权利要求3所述的方法，其特征在于，在所述将所述目标域数据输入所述中间模型，得到输出结果，作为所述目标域数据的伪标签之后，所述根据所述目标域数据和所述伪标签，训练所述中间模型，得到更新后的中间模型之前，

所述根据所述目标域数据，对所述中间模型进行自监督训练，得到目标模型，包括：

将所述中间模型的参数进行初始化。