[发明专利]一种模型的训练方法、装置、电子终端及存储介质

权利要求书

1.一种模型的训练方法，其特征在于，应用于医院的系统平台，包括：

于当前时机满足预设时机时，从预设存储空间获取标记数据、训练数据和原始模型；其中，所述标记数据为所述系统平台上线所述原始模型后，存储的全部标记数据；所述训练数据为训练所述原始模型时，所使用的原始训练集中的部分数据；

基于所述标记数据和所述训练数据，对所述原始模型中预设组成模块的参数进行调整，得到调参后的模型；

根据评测数据对所述调参后的模型进行评测，并根据评测结果将所述调参后的模型更新到所述预设存储空间。

2.根据权利要求1所述的方法，其特征在于，所述当前时机满足预设时机，包括：

从上次得到调参后的模型的时刻起，存储的标记数据达到预设条数，且当前时段为所述系统平台的预设空闲时段。

3.根据权利要求1所述的方法，其特征在于，所述标记数据的生成步骤，包括：

接收输入数据；

基于最新更新的模型对输入数据进行预测，得到预测结果；响应于接收的修改指令，对所述预测结果进行修改，并将修改后的预测结果作为标记数据；和/或，

响应于接收的标记指令，对输入数据进行标记，并将标记结果作为标记数据。

4.根据权利要求1所述的方法，其特征在于，在所述从预设存储空间获取标记数据、训练数据之后，还包括：

判断所述标记数据与训练数据的条数比例，是否达到预设比例；

若否，则对所述标记数据进行扩增；

相应的，所述基于所述标记数据和所述训练数据，对所述原始模型中预设组成模块的参数进行调整，包括：

基于扩增后的标记数据和所述训练数据，对所述原始模型中预设组成模块的参数进行调整。

5.根据权利要求1所述的方法，其特征在于，若所述模型为深度学习模型，则所述预设组成模块包括深度学习模型中的neck网络和head网络。

6.根据权利要求1所述的方法，其特征在于，所述根据评测数据对所述调参后的模型进行评测，并根据评测结果将所述调参后的模型更新到所述预设存储空间，包括：

获取所述系统平台对应的第一评测数据，以及所述原始模型对应的第二评测数据；

从所述预设存储空间获取上次更新的调参后的模型，将所述第一评测数据和第二评测数据输入所述上次更新的调参后的模型，分别得到第一预测结果和第二预测结果；

将所述第一评测数据和第二评测数据输入当前调参后的模型，分别得到第三预测结果和第四预测结果；

于所述第三预测结果的评测指标优于所述第一预测结果的评测指标，且所述第四预测结果的评价指标不劣于所述第二预测结果的评测指标时，将当前调参后的模型更新到所述预设存储空间。

7.根据权利要求1所述的方法，其特征在于，若所述调参后的模型为被依赖模型，则在所述根据评测数据对所述调参后的模型进行评测之后，还包括：

获取依赖所述调参后的模型的其他模型，并对所述其他模型进行评测，得到辅助评测结果；

相应的，所述根据评测结果将所述调参后的模型更新到所述预设存储空间，包括：

根据所述辅助评测结果以及所述评测结果，将所述调参后的模型更新到所述预设存储空间。

8.一种基于模型的预测方法，其特征在于，应用于医院的系统平台，包括：

每隔预设时间，从权利要求1-7任一所述的模型的训练方法中的预设存储空间中，获取最新更新的模型；

接收输入数据，并基于最新更新的模型对输入数据进行预测，得到预测结果。

9.根据权利要求8所述的方法，其特征在于，还包括：

响应于接收的修改指令，对所述预测结果进行修改，并将修改后的预测结果作为标记数据存储到所述预设存储空间。