[发明专利]疾病分类模型的训练方法、疾病分类的方法及相关产品

说明书

本申请公开了一种疾病分类模型的训练方法、疾病分类的方法及相关产品。该训练方法包括：获取带样本标签的医学样本图像；根据多个待分类病种之间的混淆关系和所述样本标签，生成用于对所述疾病分类模型进行训练的训练标签；以及使用带训练标签的医学样本图像对所述疾病分类模型进行训练。根据本申请实施例的训练方法，使得疾病分类模型能够学习到易混淆病种之间的细微差别，有利于训练后的疾病分类模型能够更好的适应多病种分类任务。

技术领域

本申请一般涉及图像处理技术领域。更具体地，本申请涉及一种疾病分类模型的训练方法、疾病分类的方法及相关产品。

背景技术

在目前的医学检查中常常通过获取医学图像，以从医学图像中获取疾病信息。例如，人的眼底包含丰富的血管，因此从眼底图像上可以获取诸多病变特征等信息，从而有利于辅助实现多种疾病的预测和诊断等。随着人工智能技术的不断发展，利用人工智能技术对医学图像进行处理有利于实现自动化的疾病分类和预测。

然而，当需要进行分类的病种数量较多时，各种病变特征相互干扰，既会导致样本标注精度的下降，也会给算法模型的表达能力带来挑战。对于一些特征相似的病种，或是同一病种的不同分级，传统的模型很难关注到其之间的细微差别，从而影响模型的训练效果和输出结果的准确性。

发明内容

为了至少解决如上所提到的一个或多个技术问题，本申请在多个方面中提出了一种用于疾病分类模型的训练方法、训练设备、利用疾病分类模型进行疾病分类的方法、设备以及计算机可读存储介质等。

在本申请的第一方面中，本申请提供一种用于疾病分类模型的训练方法，其中所述疾病分类模型包括主干网络和与主干网络分别连接的第一分类器和第二分类器，所述主干网络用于对待分类的目标医学图像进行特征提取，以获得所述目标医学图像中的病灶特征，所述第一分类器用于基于所述病灶特征输出待分类病种的单病种得分，所述第二分类器用于基于所述病灶特征输出与所述待分类病种相关的病种细分得分，所述训练方法包括：获取带样本标签的医学样本图像；根据多个待分类病种之间的混淆关系和所述样本标签，生成用于对所述疾病分类模型进行训练的训练标签；以及使用带训练标签的医学样本图像对所述疾病分类模型进行训练。

在本申请的一个实施例中，所述第一分类器和所述第二分类器均为二分类器，生成训练标签包括：生成用于训练第一分类器和第二分类器的二分类标签。

在本申请的另一个实施例中，每个第一分类器用于输出相应的一个待分类病种的单病种得分，每个第二分类器用于输出相应的一个混淆关系中的病种细分得分，并且生成训练标签包括：生成与每个第一分类器对应的单病种标签；以及生成与每个第二分类器对应的病种细分标签。

在本申请的又一个实施例中，生成单病种标签包括：对于任一第一分类器对应的第一待分类病种，执行以下操作中的任一项：响应于所述样本标签中包括所述第一待分类病种，确定所述医学样本图像中所述第一待分类病种对应的单病种标签为1；响应于所述样本标签中包括易被混淆为所述第一待分类病种的第二待分类病种，且不包括所述第一待分类病种，确定所述医学样本图像中所述第一待分类病种对应的单病种标签为-1；响应于所述样本标签中既不包括所述第一待分类病种，也不包括所述第二待分类病种，确定所述医学样本图像中所述第一待分类病种对应的单病种标签为0。

在本申请的一个实施例中，生成病种细分标签包括：根据每个第二分类器对应的混淆关系，以及根据样本标签中是否包括符合所述混淆关系的待分类病种，确定每个第二分类器对应的病种细分标签。

在本申请的另一个实施例中，进一步包括：响应于任一第二分类器对应的混淆关系包括第二待分类病种易被混淆为第一待分类病种，执行以下操作中的任一项：响应于所述样本标签中包括第一待分类病种，确定所述医学样本图像中所述混淆关系对应的病种细分标签为1；响应于所述样本标签中不包括第一待分类病种，确定所述医学样本图像中所述混淆关系对应的病种细分标签为0。