[发明专利]训练老年性黄斑部退化的分类模型的电子装置和方法

说明书

本发明提供一种训练老年性黄斑部退化的分类模型的电子装置和方法。方法包含：取得训练数据；基于机器学习算法计算对应于训练数据的损失函数向量，其中损失函数向量包含对应于老年性黄斑部退化的第一分类的第一损失函数值以及对应于老年性黄斑部退化的第二分类的第二损失函数值，其中第一分类对应于第一群组，并且第二分类对应于第一群组与第二群组的其中之一；响应于第二分类对应于第二群组，根据第二损失函数值以及分群惩罚权重更新第一损失函数值以产生更新损失函数向量；以及根据更新损失函数向量训练分类模型。

技术领域

本发明涉及一种训练老年性黄斑部退化的分类模型的电子装置和方法。

背景技术

依据临床病征的严重程度，老年性黄斑部退化(age-related maculardegeneration，AMD)包含四种分类，其中四种分类分别为第一期(或第I期)、第二期(或第II期)、第三期(或第III期)以及第四期(或第IV期)。目前，有人员利用人工智能(artificialintelligence，AI)模型分析眼底图(fundus image)以为老年性黄斑部退化的严重程度进行分类。人员可利用由医疗人员标注的训练数据来训练人工智能模型。一般来说，医疗人员会根据眼底图中的黄斑部范围来为老年性黄斑部退化进行分类。然而，不同医疗人员对黄斑部范围的认定可能不同。因此，由不同医疗人员所标注的训练数据所训练的人工智能模型可能存在过度拟合(overfitting)的问题，从而降低了人工智能模型的分类准确度。

另一方面，医疗人员对老年性黄斑部退化的不同分期的处置并不相同。第三期和第四期属于较为严重的阶段。若病患出现第三期或第四期的临床病征，则医疗人员需立即为病患安排转诊，以进一步确认病患的病情。相对来说，若病患出现第一期或第二期的临床病征，则为病患安排转诊的急迫性较低。因此，若分类模型错将第三期(或第四期)的老年性黄斑部退化分类为第一期(或第二期)，则可能延误了医疗病患的最佳时机。

发明内容

本发明提供一种训练老年性黄斑部退化的分类模型的电子装置和方法，可训练出具有高准确度的老年性黄斑部退化的分类模型。

本发明的一种训练老年性黄斑部退化的分类模型的电子装置，包含处理器以及收发器。处理器耦接收发器，其中处理器经配置以执行：通过收发器取得训练数据；基于机器学习算法计算对应于训练数据的损失函数向量，其中损失函数向量包含对应于老年性黄斑部退化的第一分类的第一损失函数值以及对应于老年性黄斑部退化的第二分类的第二损失函数值，其中第一分类对应于第一群组，并且第二分类对应于第一群组与第二群组的其中之一；响应于第二分类对应于第二群组，根据第二损失函数值以及分群惩罚权重更新第一损失函数值以产生更新损失函数向量；以及根据更新损失函数向量训练分类模型。

在本发明的一实施例中，上述的处理器还经配置以执行：响应于第二分类对应于第一群组，根据第二损失函数值更新第一损失函数值以产生更新损失函数向量。

在本发明的一实施例中，上述的第一分类以及第二分类分别对应于老年性黄斑部退化的不同分期，其中处理器还经配置以执行：根据第一分类与第二分类之间的分期差异产生第一惩罚权重；以及根据第二损失函数值以及第一惩罚权重更新第一损失函数值以产生更新损失函数向量。

在本发明的一实施例中，上述的损失函数向量还包含对应于年老性黄斑部退化的第三分类的第三损失函数值，其中处理器还经配置以执行：根据第一分类与第三分类之间的第二分期差异产生第二惩罚权重；以及根据第三损失函数值以及第二惩罚权重更新第一损失函数值以产生更新损失函数向量。

在本发明的一实施例中，上述的第三分类对应于第一群组与第二群组的其中之一，其中处理器还经配置以执行：响应于第三分类对应于第一群组，根据第三损失函数值以及第二惩罚权重更新第一损失函数值以产生更新损失函数向量；以及响应于第三分类对应于第二群组，根据第三损失函数值、第二惩罚权重以及分群惩罚权重更新第一损失函数值以产生更新损失函数向量。