恭喜平安科技(深圳)有限公司唐小初獲國家專利權
買專利賣專利找龍圖騰,真高效! 查專利查商標用IPTOP,全免費!專利年費監控用IP管家,真方便!
龍圖騰網恭喜平安科技(深圳)有限公司申請的專利醫學圖像識別模型的訓練方法、裝置、設備及存儲介質獲國家發明授權專利權,本發明授權專利權由國家知識產權局授予,授權公告號為:CN115205225B 。
龍圖騰網通過國家知識產權局官網在2025-05-06發布的發明授權授權公告中獲悉:該發明授權的專利申請號/專利號為:202210713767.3,技術領域涉及:G06T7/00;該發明授權醫學圖像識別模型的訓練方法、裝置、設備及存儲介質是由唐小初;朱翌;舒暢;陳又新設計研發完成,并于2022-06-22向國家知識產權局提交的專利申請。
本醫學圖像識別模型的訓練方法、裝置、設備及存儲介質在說明書摘要公布了:本發明涉及人工智能技術,揭露了一種醫學圖像識別模型的訓練方法,包括:根據掩膜自編碼器預訓練方法,利用預構建的標注樣本集及無標注樣本集對預構建的視覺轉換模型進行半監督訓練;提取視覺轉換模型中的編碼器權重參數,并將所述編碼器權重參數遷移至預構建的本地編碼器中,得到本地更新編碼器;調用預設的下游醫療任務譯碼器,將所述本地更新編碼器及所述下游醫療任務譯碼器進行連接,得到預訓練醫學圖像識別模型;利用與構建任務樣本集,對所述預訓練醫學圖像識別模型進行訓練,得到訓練完成的醫學圖像識別模型。本發明還提出一種醫學圖像識別模型的訓練裝置、設備及存儲介質。本發明可以對醫學圖像識別模型的結構及所需樣本數量進行優化。
本發明授權醫學圖像識別模型的訓練方法、裝置、設備及存儲介質在權利要求書中公布了:1.一種醫學圖像識別模型的訓練方法,其特征在于,所述方法包括:根據掩膜自編碼器預訓練方法,利用預構建的標注樣本集及無標注樣本集對預構建的視覺轉換模型進行半監督訓練,得到訓練完成的視覺轉換模型;提取所述視覺轉換模型中的編碼器權重參數,并將所述編碼器權重參數遷移至預構建的本地編碼器中,得到本地更新編碼器;調用預設的下游醫療任務譯碼器,將所述本地更新編碼器及所述下游醫療任務譯碼器進行連接,得到預訓練醫學圖像識別模型;利用所述下游醫療任務譯碼器對應的任務樣本集,對所述預訓練醫學圖像識別模型進行訓練,得到訓練完成的醫學圖像識別模型;其中,所述視覺轉換模型是多感知層機制的模型,所述根據掩膜自編碼器預訓練方法,利用預構建的標注樣本集及無標注樣本集對預構建的視覺轉換模型進行半監督訓練,得到訓練完成的視覺轉換模型,包括:利用預構建的有標注樣本,訓練得到視覺轉換模型;根據預設的遮蔽比例,對預構建的無標注樣本集合中各個樣本數據進行遮蔽,得到遮蔽數據集合;利用所述視覺轉換模型對所述遮蔽數據集合進行識別,得到各個遮蔽數據對應的識別結果及準確性概率分數;獲取準確性概率分數大于或等于預設的合格閾值的遮蔽數據對應的識別結果,作為的無標注樣本,并將所述識別結果作為所述無標注樣本的偽標注,得到偽標注樣本;計算各個所述準確性概率分數的平均值,并判斷所述平均值的收斂性;當所述平均值未收斂時,將所述偽標注樣本導入所述有標注樣本中,并返回上述利用預構建的有標注樣本,訓練得到視覺轉換模型的步驟,對所述視覺轉換模型進行更新;當所述平均值收斂時,得到訓練完成的視覺轉換模型;所述利用預構建的有標注樣本,訓練得到視覺轉換模型,包括:將所述有標注樣本進行圖片拆分,得到所述有標注樣本的圖塊集合;利用預設的映射矩陣將所述圖塊集合中每個圖塊進行一維映射,得到圖塊向量集合;利用預構建的全連接層對圖塊向量集合進行連接排布,得到二維向量;根據對所述二維向量先后分別進行列特征提取操作及行特征提取操作,分別得到位置關系特征向量及通道關系特征向量;利用高斯誤差線性損失函數、所述位置關系特征向量及所述通道關系特征向量,訓練得到視覺轉換模型。
如需購買、轉讓、實施、許可或投資類似專利技術,可聯系本專利的申請人或專利權人平安科技(深圳)有限公司,其通訊地址為:518000 廣東省深圳市福田區福田街道福安社區益田路5033號平安金融中心23樓;或者聯系龍圖騰網官方客服,聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。
1、本報告根據公開、合法渠道獲得相關數據和信息,力求客觀、公正,但并不保證數據的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據或者憑證。