[发明专利]疾病特征识别模型训练、疾病特征识别方法、装置及设备

权利要求书

1.一种疾病特征识别模型训练方法，其特征在于，包括：

获取预设样本人脸数据集；所述预设样本人脸数据集中包含至少一个样本人脸图像；一个所述样本人脸图像关联一个目标疾病特征标签；

将所述样本人脸图像输入至包含初始参数的预设识别模型中，以通过所述预设识别模型对所述样本人脸图像进行疾病特征识别，得到与所述样本人脸图像对应的预测全局特征标签、预测局部特征标签以及预测监督特征标签；

根据所述预测全局特征标签与所述目标疾病特征标签确定所述预设识别模型的第一预测损失值；根据所述预测局部特征标签与所述目标疾病特征标签确定所述预设识别模型的第二预测损失值；根据所述预测监督特征标签与所述目标疾病特征标签确定所述预设识别模型的第三预测损失值；

获取与所述预测全局特征标签对应的第一预测权重，与所述预测局部特征标签对应的第二预测权重，以及与所述预测监督特征标签对应的第三预测权重；

根据所述第一预测损失值、第一预测权重、第二预测损失值、第二预测权重、第三预测损失值以及第三预测权重，确定所述预设识别模型的总损失值；

在所述总损失值未达到预设的收敛条件时，迭代更新所述预设识别模型中的初始参数，直至所述总损失值达到所述收敛条件时，将收敛之后的所述预设识别模型记录为疾病特征识别模型。

2.如权利要求1所述的疾病特征识别模型训练方法，其特征在于，所述将所述样本人脸图像输入至包含初始参数的预设识别模型中，以通过所述预设识别模型对所述样本人脸图像进行疾病特征识别，得到与所述样本人脸图像对应的预测全局特征标签、预测局部特征标签以及预测监督特征标签，包括：

通过所述预设识别模型的全局卷积网络对所述样本人脸图像进行卷积处理，得到中间卷积特征以及所述全局特征标签；

将所述中间卷积特征输入至所述预设识别模型中的局部卷积网络中，得到与所述中间卷积特征对应的局部卷积特征，以及所述预测局部特征标签；

将所述局部卷积特征输入至所述预设识别模型中的分段池化网络中，得到所述预测监督特征标签。

3.如权利要求2所述的疾病特征识别模型训练方法，其特征在于，所述通过所述预设识别模型的全局卷积网络对所述样本人脸图像进行卷积处理，得到中间卷积特征以及所述全局特征标签，包括：

通过所述全局卷积网络对所述样本人脸图像进行卷积处理，得到所述全局卷积网络的中间卷积层输出的所述中间卷积特征；

将所述中间卷积特征输入至所述全局卷积网络的输出卷积层，得到所述输出卷积层输出的全局卷积特征；

将所述全局卷积特征输入至所述全局卷积网络的全局全连接层，得到所述全局特征标签。

4.如权利要求2所述的疾病特征识别模型训练方法，其特征在于，所述将所述中间卷积特征输入至所述预设识别模型中的局部卷积网络中，得到与所述中间卷积特征对应的局部卷积特征，以及所述预测局部特征标签，包括：

通过所述局部卷积网络中的局部卷积层对所述中间卷积特征进行局部特征提取，得到局部卷积特征；

将所述局部卷积特征输入至所述局部卷积网络的局部全连接层，得到所述预测局部特征标签。

5.如权利要求2所述的疾病特征识别模型训练方法，其特征在于，所述将所述局部卷积特征输入至所述预设识别模型中的分段池化网络中，得到所述预测监督特征标签，包括：

通过所述分段池化网络中的分段池化层对所述局部卷积特征进行平均池化处理，得到至少一个池化特征；

将各所述池化特征输入至所述分段池化网络中的监督全连接层，得到所述预测监督特征标签。

6.一种疾病特征识别方法，其特征在于，包括：

获取待识别图像；

将所述待识别图像输入至疾病特征识别模型，以通过所述疾病特征识别模型对所述待识别图像进行疾病特征识别，得到与所述待识别图像对应的全局疾病分类结果、局部疾病分类结果以及监督疾病分类结果；所述疾病特征识别模型是根据如权利要求1至5任一项所述疾病特征识别模型训练方法得到；

根据所述全局疾病分类结果、局部疾病分类结果以及监督疾病分类结果，确定与所述待识别图像对应的疾病特征识别结果。