[发明专利]医学数据的训练方法、装置及存储介质

说明书

本公开涉及医学数据的训练方法、装置及存储介质，训练方法包括将原始医学数据与标准信息组合；输入分类算法模型，得到推论结果；基于推论结果，通过筛选选取待选训练数据；结合对所述待选训练数据的标注结果，生成用于重新训练的医学数据。或者训练方法包括将标注医学数据输入分类算法模型，得到推论结果，所述标注医学数据包含原始信息，以及对照于标准信息表的原始标注结果；基于推论结果，通过筛选选取待选训练数据；结合对所述待选训练数据的标注结果，生成用于重新训练的医学数据。通过本公开的各实施例能够能够兼顾节省标注资源和提升性能，提升训练数据的利用率。

技术领域

本公开涉及医学数据智能处理技术领域，具体涉及一种医学数据的训练方法、用于医学数据训练的处理装置及计算机可读存储介质。

背景技术

现有技术中针对医学数据的训练，在深度学习算法中，提升性能的一个主要手段是增加训练数据量，但存在两个问题：1)增加随机数据，但数量少，仍不足以改善算法性能；2)大量增加数据量，但训练耗时和标注资源也大量增加。

发明内容

本公开意图提供一种医学数据的训练方法、用于医学数据训练的处理装置及计算机可读存储介质，能够兼顾节省标注资源和提升性能，提升训练数据的利用率。

根据本公开的方案之一，提供一种医学数据的训练方法，包括：

将原始医学数据与标准信息组合；

输入分类算法模型，得到推论结果；

基于推论结果，通过筛选选取待选训练数据；

结合对所述待选训练数据的标注结果，生成用于重新训练的医学数据。

在一些实施例中，其中，所述将原始医学数据与标准信息组合，包括：

对照标准信息表，将原始医学数据与每个标准信息两两组合；

基于相似度匹配，确定用于输入分类算法模型的组合。

在一些实施例中，其中，所述输入分类算法模型，得到推论结果，包括：基于所述算法分类模型，通过分类算法得到量化推论结果的infer分数值；

所述基于推论结果，通过筛选选取待选训练数据，包括：

在所述infer分数值处于预设数值区间的情况下，将该infer分数值对应的组合作为所述待选训练数据。

在一些实施例中，其中，所述结合对所述待选训练数据的标注结果，生成用于重新训练的医学数据，包括：

获取待选训练数据的标注结果；

保留标注结果与infer分数值不一致的待选训练数据，作为重新训练的医学数据。

在一些实施例中，其中，所述预设数值区间的取值范围配置为0.01至0.8任一数值。

根据本公开的方案之一，提供一种医学数据的训练方法，包括：

将标注医学数据输入分类算法模型，得到推论结果，所述标注医学数据包含原始信息，以及对照于标准信息表的原始标注结果；

基于推论结果，通过筛选选取待选训练数据；

结合对所述待选训练数据的标注结果，生成用于重新训练的医学数据

在一些实施例中，其中，所述输入分类算法模型，得到推论结果，包括：基于所述分类法模型，通过分类算法得到量化推论结果的infer分数值；

所述基于推论结果，通过筛选选取待选训练数据，包括：

在所述infer分数值处于预设数值区间的情况下，将该infer分数值对应的标注医学数据作为所述待选训练数据。