(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211351176.2 (22)申请日 2022.10.31 (71)申请人 联仁健康医疗大 数据科技股份有限 公司 地址 200131 上海市浦东 新区中国 （上海） 自由贸易试验区川和路5 5弄3号 (72)发明人 罗永贵　 (74)专利代理 机构 北京品源专利代理有限公司 11332 专利代理师 苏舒音 (51)Int.Cl. G06V 10/774(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/26(2022.01) (54)发明名称 模型训练方法、 装置、 电子设备及存 储介质 (57)摘要 本发明公开了一种模型训练方法、 装置、 电 子设备及存储介质。 获取单个数据源的初始影像 数据， 基于所述初始影像数据确定目标影像数 据， 确定所述目标影像数据的第一影像特征数 据； 对至少两个数据源对应的所述第一影像特征 数据进行联合分析， 分别确定每个所述数据源对 应的第二影像特征数据； 针对每个所述数据源对 应的初始分类模 型， 基于所述数据源对应的第二 影像特征数据对 所述初始分类模 型进行训练， 得 到第一模型参数； 基于至少两个所述初始分类模 型的第一模型参数确定与每个所述初始分类模 型对应的第二模 型参数； 基于所述第二模型参数 更新所述初始分类模型， 以得到目标分类模型。 提高了目标分类模型的精准 性。 权利要求书2页 说明书12页 附图4页 CN 115512186 A 2022.12.23 CN 115512186 A 1.一种模型训练方法， 其特 征在于， 包括： 获取单个数据源的初始影像数据， 基于所述初始影像数据确定目标影像数据， 确定所 述目标影 像数据的第一影 像特征数据； 对至少两个数据源对应的所述第 一影像特征数据进行联合分析， 分别确定每个所述数 据源对应的第二影 像特征数据； 针对每个所述数据源对应的初始分类模型， 基于所述数据源对应的第 二影像特征数据 对所述初始分类模型进行训练， 得到第一模型参数； 基于至少两个所述初始分类模型的第一模型参数确定与每个所述初始分类模型对应 的第二模型参数； 基于所述第二模型参数 更新所述初始分类模型， 以得到目标分类模型。 2.根据权利要求1所述的方法， 其特征在于， 所述基于至少两个所初始述分类模型的第 一模型参数确定与每 个所述初始分类模型对应的第二模型参数， 包括： 通过中心服务器对上传的至少两个所述初始分类模型的第 一模型参数进行融合， 得到 模型融合 参数， 将所述模型融合 参数作为每 个分类模型对应的第二模型参数。 3.根据权利要求1所述的方法， 其特征在于， 所述基于所述第 二模型参数更新所述初始 分类模型， 以得到目标分类模型， 包括： 针对每个所述初始分类模型， 基于当前次迭代的所述第 二模型参数对所述初始分类模 型的模型参数进行 更新； 针对更新后的所述初始分类模型， 返回执行基于所述数据源对应的第 二影像特征数据 对所述初始分类模型进行训练， 得到第一模型参数的操作， 以得到目标分类模型。 4.根据权利要求1所述的方法， 其特征在于， 所述基于所述初始影像数据确定目标影像 数据， 包括： 将所述初始影像数据输入目标分割模型， 确定所述目标影像数据； 其中， 所述目标分割 模型基于样本影像数据以及与所述样本影像数据对应的感兴趣分割区域对预先建立的神 经网络模型训练得到 。 5.根据权利要求1所述的方法， 其特征在于， 所述对至少两个数据源对应的所述第 一影 像特征数据进行 联合分析， 包括下述操作中的至少一项： 对至少两个数据源 对应的所述第一影 像特征数据进行 联合归一 化处理； 对至少两个数据源 对应的所述第一影 像特征数据进行 标准化处理； 对至少两个数据源 对应的所述第一影 像特征数据进行分箱处 理。 6.根据权利要求1所述的方法， 其特征在于， 在所述获取单个数据源的初始影像数据之 前， 还包括： 获取单个数据源的原始影像数据， 对所述原始影像数据进行预处理， 得到所述初始影 像数据； 其中， 所述预处 理可以包括配准和/或影 像参数归一 化。 7.根据权利要求1所述的方法， 其特征在于， 所述在基于所述第 二模型参数更新所述初 始分类模型， 以得到目标分类模型之后， 还 包括： 通过所述目标分类模型， 确定待分类 影像数据的分类结果。 8.一种模型训练装置， 其特 征在于， 包括： 影像处理模块， 用于获取单个数据源的初始影像数据， 基于所述初始影像数据确定目权　利　要　求　书 1/2 页 2 CN 115512186 A 2标影像数据， 确定所述目标影 像数据的第一影 像特征数据； 联合分析模块， 用于对至少两个数据源对应的所述第一影像特征数据进行联合分析， 分别确定每 个所述数据源 对应的第二影 像特征数据； 参数获取模块， 用于针对每个所述数据源对应的初始分类模型， 基于所述数据源对应 的第二影 像特征数据对所述初始分类模型进行训练， 得到第一模型参数； 参数处理模块， 用于基于至少两个所述初始分类模型的第 一模型参数确定与每个所述 初始分类模型对应的第二模型参数； 参数更新模块， 用于基于所述第二模型参数更新所述初始分类模型， 以得到目标分类 模型。 9.一种电子设备， 其特 征在于， 所述电子设备包括： 至少一个处 理器； 以及 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的计算机程序， 所述计算机程序被所 述至少一个处理器执行， 以使所述至少一个处理器能够执行权利要求1 ‑7中任一项所述的 模型训练方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机指 令， 所述计算机指令用于使处 理器执行时实现权利要求1 ‑7中任一项所述的模型训练方法。权　利　要　求　书 2/2 页 3 CN 115512186 A 3