[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

说明书

本发明涉及人工智能技术领域，应用于智慧医疗领域中，以便推动智慧城市的建设，揭露了一种疾病特征识别模型训练、疾病特征识别方法、装置、计算机设备及存储介质，该方法通过将样本人脸图像输入至预设识别模型中，得到预测全局特征标签、预测局部特征标签以及预测监督特征标签；根据确定的第一预测损失值、第二预测损失值、第三预测损失值，以及获取的第一预测权重、第二预测权重、第三预测权重确定预设识别模型的总损失值；在总损失值未达到预设的收敛条件时，迭代更新预设识别模型中的初始参数，直至总损失值达到收敛条件时，将收敛之后的预设识别模型记录为疾病特征识别模型。本发明提高了模型训练的效率以及准确率，提高了特征识别的准确率。

技术领域

本发明涉及分类模型技术领域，尤其涉及一种疾病特征识别模型训练、疾病特征识别方法、装置、计算机设备及存储介质。

背景技术

随着科学技术的提高，医疗技术也随之提高，进而可以通过不同的医疗器械对不同的病征进行检查。目前，一些病症如甲亢、唐氏综合症等，其病征会在身体(如脸部、脖子、皮肤等)上出现较为明显特征，因此可以通过这些出现在身体的病征向用户提前预警，从而更好的预防病情加重。

现有技术中，往往是通过人工检测方式查看是否出现上述特征，但是该方法存在以下不足：特征识别效率较低，且需要专业的人员才可以进行特征识别，否则容易出现识别错误的现象；人工成本较高，不利于大量特征识别检测。

发明内容

本发明实施例提供一种疾病特征识别模型训练、疾病特征识别方法、装置、计算机设备及存储介质，以解决特征识别效率较低且错误率较高的问题。

一种疾病特征识别模型训练方法，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。

一种疾病特征识别方法，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上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。

一种疾病特征识别模型训练装置，包括：

样本人脸图像获取模块，用于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；