[发明专利]胃早癌模型训练方法、装置、计算机设备及存储介质

说明书

本申请提供一种胃早癌模型训练方法、装置、计算机设备及存储介质，训练方法包括：获取胃早癌图片样本集；对所述胃早癌图片样本集中的各病灶图片进行特征识别，得到所述各病灶图片的特征向量；根据所述胃早癌图片样本集和所述特征向量对预设初始模型进行训练，得到胃早癌识别模型。采用本方法，将多个胃早癌病灶特征量化成特征向量，进而对模型进行训练，得到的模型综合识别多个胃早癌病灶特征，准确度更高。

技术领域

本申请涉及人工智能技术领域，具体涉及一种胃早癌模型训练方法、装置、计算机设备及存储介质。

背景技术

胃癌是全球第三大致死性肿瘤。在我国，胃癌的发病率和死亡率占所有恶性肿瘤的第二位，每年剥夺近50万人的生命，且呈现年轻化趋势。早期胃癌的5年生存率大于90%，晚期胃癌低于25%。癌症的早期发现、早期诊断及早期治疗是提高患者生存率的主要策略。白光内镜（white light endoscopy，WLE）是消化内镜技术的基础，是筛查消化道早期病变最普通又最重要的手段。

日本早期胃癌研究领域专家八木一芳在其论著当中总结了早期胃癌的常见白光内镜下病灶特征，如多具有色调改变及表面形态不规则，边界多清晰，自发性出血等；英国胃肠病学协会指南中亦引用、总结了早期胃癌的常见白光内镜下诊断依据，如结节样改变、轻微隆起或凹陷、不寻常的黏膜中断等。综合WLE下病灶特征进行病灶性质的推理和诊断，是内镜医师诊断早期胃癌的基本思路。

由于胃早癌的病灶特征的特征属性较多，且各特征属性下的特征类别多样化，目前基于深度学习的胃早癌识别方法，其胃早癌识别模型只能识别单一的胃早癌病灶特征，缺少量化综合考虑多个特征维度的病灶特征，导致训练的胃早癌识别模型准确度不高。

发明内容

基于此，有必要针对上述技术问题，提供一种胃早癌模型训练方法、装置、计算机设备及存储介质，将多个胃早癌病灶特征量化成特征向量，进而对模型进行训练，得到的模型综合识别多个胃早癌病灶特征，准确度更高。

第一方面，本申请提供一种胃早癌模型训练方法，包括：

获取胃早癌图片样本集；

对所述胃早癌图片样本集中的各病灶图片进行特征识别，得到所述各病灶图片的特征向量；

根据所述胃早癌图片样本集和所述特征向量对预设初始模型进行训练，得到胃早癌识别模型。

在本申请一些实施例中，所述对所述胃早癌图片样本集中的各病灶图片进行特征识别，得到所述各病灶图片的特征向量，包括：

对所述胃早癌图片样本集中的各病灶图片进行特征识别，得到所述各病灶图片包含的病灶特征信息；

根据所述病灶特征信息确定预设特征属性的特征值；

根据所述特征值确定所述特征向量。

在本申请一些实施例中，所述预设特征属性包含多分类特征属性和二分类特征属性，所述多分类特征属性包含至少三个特征类别，所述二分类特征属性包含两个特征类别，所述特征值包含第一特征值和第二特征值，所述根据所述病灶特征信息确定预设特征属性的特征值，包括：

根据所述病灶特征信息和预设类别对应关系确定各预设特征属性的特征类别，所述特征类别包含第一特征类别和第二特征类别，所述第一特征类别对应多分类特征属性，所述第二特征类别对应二分类特征属性，所述预设类别对应关系为各预设特征属性病灶特征信息与特征类别的对应关系；

根据所述第一特征类别得到多个所述第一特征值，所述第一特征值的数量与所述多分类特征属性的特征分类数量相同；

根据所述第二特征类别得到第二特征值。

在本申请一些实施例中，所述根据所述特征值确定所述特征向量，包括：