(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211024850.6 (22)申请日 2022.08.25 (71)申请人 推想医疗科技股份有限公司 地址 100085 北京市海淀区上地信息路12 号1幢4层B401室 (72)发明人 唐雯　王大为　王少康　陈宽　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 刘攀 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/774(2022.01) G06V 10/764(2022.01) G06N 20/00(2019.01) (54)发明名称 一种图像识别模型的训练方法、 训练装置、 设备和介质 (57)摘要 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。 权利要求书2页 说明书9页 附图3页 CN 115359009 A 2022.11.18 CN 115359009 A 1.一种图像识别模型的训练方法， 其特 征在于， 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。 2.根据权利要求1所述的训练方法， 其特征在于， 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。 3.根据权利要求2所述的训练方法， 其特征在于， 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。 4.根据权利要求1所述的训练方法， 其特 征在于， 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。 5.根据权利要求1所述的训练方法， 其特 征在于， 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； 将所述多个第 三医学图像特征分别 输入至所述训练好的图像识别模型中的矫正模型， 确定每个第三医学图像特 征的第二 矫正参数； 针对每个第 三医学图像特征， 利用所述第 二矫正参数对所述第 三医学图像特征进行矫 正， 得到矫 正后的第三医学图像特 征； 将多个矫正后的第三医学图像特征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， 确定所述待识别医学图像的识别结果。 6.一种图像识别模型的训练装置， 其特 征在于， 所述训练装置包括： 获取模块， 用于获取训练样本集 合； 第一矫正模块， 用于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；权　利　要　求　书 1/2 页 2 CN 115359009 A 2第一训练模块， 用于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； 组合模块， 用于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。 7.根据权利要求6所述的训练装置， 其特征在于， 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。 8.根据权利要求7所述的训练装置， 其特征在于， 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。 9.一种计算机设备， 包括存储器、 处理器及存储在所述存储器上并可在所述处理器上 运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现上述权利要求 1‑5 中任一项所述的方法的步骤。 10.一种计算机可读存储介质， 所述计算机可读存储介质上存储有计算机程序， 其特征 在于， 所述计算机程序被处 理器运行时执 行上述权利要求1 ‑5中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 115359009 A 3