[发明专利]一种模型的训练方法、装置、电子终端及存储介质

说明书

本发明实施例公开了一种模型的训练方法、装置、电子终端及存储介质，该方法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，标记数据为系统平台上线原始模型后，存储的全部标记数据；训练数据为训练原始模型时，所使用的原始训练集中的部分数据；基于标记数据和训练数据，对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；根据评测数据对调参后的模型进行评测，并根据评测结果将调参后的模型更新到预设存储空间。能够在保证医院数据安全的情况下，实现针对特定数据进行自动地模型训练，从而不仅提高模型针对特定数据的表现，还可以避免浪费大量时间和人力资源。

技术领域

本发明实施例涉及模型训练技术，尤其涉及一种模型的训练方法、装置、电子终端及存储介质。

背景技术

目前，医院可使用各模型对医疗数据进行预测，例如使用检出模型对医学影像中的感兴趣区域进行检出，又如使用分割模型对医学影像中的感兴趣区域进行分割等。

通常，医院使用的模型基本上是离线训练得到的，其常规流程是：首先，训练平台从多家不同医院收集大量的医疗数据，以及医疗数据的标记数据；然后，训练平台根据收集的医疗数据和标记数据，进行模型训练；最后，训练平台将模型上线到各医院相应的系统平台中。

使用多家医院的大量医疗数据进行模型训练，虽然为模型的鲁棒性和泛化性提供了保障，但是其针对特定数据的表现会相对下降一些。以CT数据为例，当有些医院的数据比较特殊，比如机型比较罕见，重建算法比较特殊等，那么该模型在这种数据上的表现就会比通用的机型、通用的重建算法的数据要差一些。

针对这些特定数据，比较常见的模型训练方法是：医护人员整理特定数据、特定数据的标记数据，和对特定数据的预测结果的标记数据等，并通过医院的系统平台上传至训练平台；训练平台将上述数据加入训练集，使用新的训练集对原先训练好的训练模型再次进行训练。

现有的针对特定数据的模型再训练方法，其不足之处至少包括：医护人员整理数据的过程为重复性、机械性的过程，需耗费大量的时间和人力资源；可能会造成医院某些敏感数据的泄露。

发明内容

有鉴于此，本发明实施例提供了一种模型的训练方法、装置、电子终端及存储介质，能够在保证医院数据安全的情况下，实现针对特定数据进行自动地模型训练，从而不仅提高模型针对特定数据的表现，还可以避免浪费大量时间和人力资源。

第一方面，本发明实施例提供了一种模型的训练方法，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。

第二方面，本发明实施例提供了一种基于模型的预测方法，应用于医院的系统平台，包括：

每隔预设时间，从本发明任意实施例提供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。

第三方面，本发明实施例还提供了一种模型的训练装置，集成于医院的系统平台，包括：

数据获取模块，用以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；