[发明专利]一种胃镜图像分类模型构建方法及胃镜图像分类方法

说明书

本申请提供一种胃镜图像分类模型构建方法及胃镜图像分类方法，该镜图像分类模型构建方法包括：获取患者的诊断结果和胃镜图像集；其中，胃镜图像集包括多个胃镜图像；将诊断结果和胃镜图像集输入至预设的原始分类模型，以对原始分类模型进行预训练，得到预训练分类模型；根据预训练分类模型的模型参数，构建目标分类模型。上述技术方案提供的胃镜图像分类模型构建方法，通过根据经过多图片预训练的分类模型的模型参数，构建目标分类模型，节省了目标分类模型的后续训练时间，提高了目标分类模型的构建效率，并且，通过以已确诊患者为样本统计单位，采集其对应的多张胃镜图像，节省了人力标注成本。

技术领域

本申请涉及图像识别技术领域，尤其涉及一种胃镜图像分类模型构建方法及胃镜图像分类方法。

背景技术

目前，胃镜是诊断胃部疾病的重要手段，为了提高胃镜图像的检测效率，通常采用机器学习模型对胃镜图像进行自动化检测和分类。因此，如何通过模型训练提高机器学习模型的可靠性已成为热点研究内容。

现有技术中的模型训练方法通常需要收集海量的标注样本，然后依次以单个标注样本为主体进行模型训练。

但是，样本的标注过程将耗费大量的人力资源，并且后续的模型训练过程也将耗费大量的时间成本，降低了模型构建效率。

发明内容

本申请提供一种胃镜图像分类模型构建方法及胃镜图像分类方法，以解决现有技术的模型构建效率低等缺陷。

本申请第一个方面提供一种胃镜图像分类模型构建方法，包括：

获取患者的诊断结果和胃镜图像集；其中，所述胃镜图像集包括多个胃镜图像；

将所述诊断结果和胃镜图像集输入至预设的原始分类模型，以对所述原始分类模型进行预训练，得到预训练分类模型；

根据所述预训练分类模型的模型参数，构建目标分类模型。

可选的，还包括：

获取多个胃镜图像样本；其中，所述胃镜图像样本包括胃镜图像及所述胃镜图像对应的样本标签；

将所述胃镜图像样本输入至所述目标分类模型，对所述目标分类模型进行训练，以优化所述目标分类模型。

可选的，所述对所述原始分类模型进行预训练，包括：

提取所述胃镜图像集中各胃镜图像的图像特征；

根据所述图像特征，构建所述诊断结果的特征矩阵；

根据各胃镜图像的图像质量，确定各图像特征的分类权重；

按照所述分类权重，对所述特征矩阵进行降维处理，得到所述特征矩阵对应的目标特征向量；

利用所述目标特征向量，对所述原始分类模型进行预训练。

可选的，所述根据所述预训练分类模型的模型参数，构建目标分类模型，包括：

获取初始目标分类模型；

将所述预训练分类模型的参数权重迁移至所述初始目标分类模型；

其中，所述预训练分类模型包括输入层、机器学习层和输出层，所述模型参数至少包括所述机器学习层对应的模型参数。

可选的，在根据所述预训练分类模型的模型参数，构建目标分类模型之前，所述方法还包括：

获取当前预训练分类模型的评估指标；

根据所述评估指标，判断所述当前预训练模型是否处于稳定状态；

当所述当前预训练模型处于不稳定状态时，返回到所述获取患者的诊断结果和胃镜图像集的步骤。