[发明专利]一种图像识别模型的训练方法、训练装置、设备和介质

说明书

本申请提供了一种图像识别模型的训练方法、训练装置、设备和介质，该方法包括：针对每一个训练样本的第一医学图像，将第一医学图像输入至深度学习识别模型，得到多个第一医学图像特征，将每个第一医学图像特征输入至待训练的矫正模型，得到每个第一医学图像特征的第一矫正参数，利用第一矫正参数对每个第一医学图像特征进行矫正处理，得到矫正后的第一医学图像特征；针对每一个训练样本的第一医学图像，将第一医学图像对应的多个矫正后的第一医学图像特征重新输入至训练好的深度学习识别模型，得到第一识别结果，并基于第一识别结果和第二识别结果的差异，对待训练的矫正模型进行训练；基于深度学习识别模型和矫正模型，得到图像识别模型。

技术领域

本申请涉及图像识别技术领域，具体而言，涉及一种图像识别模型的训练方法、训练装置、设备和介质。

背景技术

医学影像在临床一个学的应用非常广泛，对疾病的诊断提供了很大的科学和直观的依据，可以更好的配合临床的症状、化验等方面，为最终准确的诊断病情起到了不可替代的作用。随着科技的发展，为了更快的基于医学影像确诊病灶，减轻医生的压力，在大多数情况下会采用深度学习模型对医学影像进行识别，确诊病灶。

但因医学影像属于病人的隐私，不同医院之间不会将自己的病人的医学影像交给其他医院用于数据分析，所以每个医院只能用自己医院的医学影像对深度学习模型进行训练，这也导致了每个医院训练得到的深度学习模型是无法应用到其他医院中的，每个医院都需要训练自己的医学影像，例如，在新冠肺炎等急性肺部感染疾病的智能量化分析中，这种情况增加了数据处理的复杂度。

发明内容

有鉴于此，本申请的目的在于提供一种图像识别模型的训练方法、训练装置、设备和介质，用于解决现有技术中用于识别医学图像的深度识别模型的鲁棒性低的问题。

第一方面，本申请实施例提供了一种图像识别模型的训练方法，所述训练方法包括：

获取训练样本集合；

针对每一个训练样本的第一医学图像，将所述第一医学图像输入至训练好的深度学习识别模型，得到多个第一医学图像特征，将每个第一医学图像特征输入至待训练的矫正模型，得到每个第一医学图像特征的第一矫正参数，利用所述第一矫正参数对每个第一医学图像特征进行矫正处理，得到矫正后的第一医学图像特征；

针对每一个训练样本的第一医学图像，将所述第一医学图像对应的多个矫正后的第一医学图像特征重新输入至所述训练好的深度学习识别模型，得到第一识别结果，并基于第一识别结果和第二识别结果的差异，对所述待训练的矫正模型进行训练；所述第二识别结果为所述训练好的深度学习识别模型从所述第一医学图像对应的第二医学图像识别得到，所述第一医学图像是所述第二医学图像经过数据增强处理得到的；

基于训练好的深度学习识别模型和训练好的矫正模型，得到训练好的图像识别模型。

可选的，所述训练好的深度学习识别模型是基于单中心医学图像数据训练得到的。

可选的，所述训练样本集合是将所述单中心医学图像数据进行数据增强处理得到的。

可选的，所述方法还包括：

针对每一个训练样本的第一医学图像，将该第一医学图像对应的多个矫正后的第一医学图像特征输入至所述训练好的深度学习识别模型，得到多个第一医学图像矫正特征，以及将所述第一医学图像对应的第二医学图像输入至所述训练好的深度学习识别模型，得到多个第二医学图像特征；

针对每一个训练样本的第一医学图像，按照对应的特征层级将所述医学图像的每一个第一医学图像矫正特征和所述第二医学图像的每一个第二医学图像特征进行相似度比较，根据比较结果对所述待训练的矫正模型进行训练。

可选的，所述训练方法还包括：

将获取到的待识别医学图像输入至所述训练好的图像识别模型中的深度学习识别模型，得到多个第三医学图像特征；