买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜平安科技(深圳)有限公司申请的专利医学图像识别模型的训练方法、装置、设备及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115205225B 。

龙图腾网通过国家知识产权局官网在2025-05-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210713767.3，技术领域涉及：G06T7/00；该发明授权医学图像识别模型的训练方法、装置、设备及存储介质是由唐小初;朱翌;舒畅;陈又新设计研发完成，并于2022-06-22向国家知识产权局提交的专利申请。

本医学图像识别模型的训练方法、装置、设备及存储介质在说明书摘要公布了：本发明涉及人工智能技术，揭露了一种医学图像识别模型的训练方法，包括：根据掩膜自编码器预训练方法，利用预构建的标注样本集及无标注样本集对预构建的视觉转换模型进行半监督训练；提取视觉转换模型中的编码器权重参数，并将所述编码器权重参数迁移至预构建的本地编码器中，得到本地更新编码器；调用预设的下游医疗任务译码器，将所述本地更新编码器及所述下游医疗任务译码器进行连接，得到预训练医学图像识别模型；利用与构建任务样本集，对所述预训练医学图像识别模型进行训练，得到训练完成的医学图像识别模型。本发明还提出一种医学图像识别模型的训练装置、设备及存储介质。本发明可以对医学图像识别模型的结构及所需样本数量进行优化。

本发明授权医学图像识别模型的训练方法、装置、设备及存储介质在权利要求书中公布了：1.一种医学图像识别模型的训练方法，其特征在于，所述方法包括：根据掩膜自编码器预训练方法，利用预构建的标注样本集及无标注样本集对预构建的视觉转换模型进行半监督训练，得到训练完成的视觉转换模型；提取所述视觉转换模型中的编码器权重参数，并将所述编码器权重参数迁移至预构建的本地编码器中，得到本地更新编码器；调用预设的下游医疗任务译码器，将所述本地更新编码器及所述下游医疗任务译码器进行连接，得到预训练医学图像识别模型；利用所述下游医疗任务译码器对应的任务样本集，对所述预训练医学图像识别模型进行训练，得到训练完成的医学图像识别模型；其中，所述视觉转换模型是多感知层机制的模型，所述根据掩膜自编码器预训练方法，利用预构建的标注样本集及无标注样本集对预构建的视觉转换模型进行半监督训练，得到训练完成的视觉转换模型，包括：利用预构建的有标注样本，训练得到视觉转换模型；根据预设的遮蔽比例，对预构建的无标注样本集合中各个样本数据进行遮蔽，得到遮蔽数据集合；利用所述视觉转换模型对所述遮蔽数据集合进行识别，得到各个遮蔽数据对应的识别结果及准确性概率分数；获取准确性概率分数大于或等于预设的合格阈值的遮蔽数据对应的识别结果，作为的无标注样本，并将所述识别结果作为所述无标注样本的伪标注，得到伪标注样本；计算各个所述准确性概率分数的平均值，并判断所述平均值的收敛性；当所述平均值未收敛时，将所述伪标注样本导入所述有标注样本中，并返回上述利用预构建的有标注样本，训练得到视觉转换模型的步骤，对所述视觉转换模型进行更新；当所述平均值收敛时，得到训练完成的视觉转换模型；所述利用预构建的有标注样本，训练得到视觉转换模型，包括：将所述有标注样本进行图片拆分，得到所述有标注样本的图块集合；利用预设的映射矩阵将所述图块集合中每个图块进行一维映射，得到图块向量集合；利用预构建的全连接层对图块向量集合进行连接排布，得到二维向量；根据对所述二维向量先后分别进行列特征提取操作及行特征提取操作，分别得到位置关系特征向量及通道关系特征向量；利用高斯误差线性损失函数、所述位置关系特征向量及所述通道关系特征向量，训练得到视觉转换模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人平安科技(深圳)有限公司，其通讯地址为：518000 广东省深圳市福田区福田街道福安社区益田路5033号平安金融中心23楼；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。