【技术实现步骤摘要】
本申请涉及医疗，特别是涉及一种模型优化方法、装置、系统、计算机设备和存储介质。
技术介绍
1、随着人工智能的飞速发展，在医疗领域对各种医学图像的分类、分割和检测等处理时，通常使用深度学习模型。对于模型的训练，通常是从现场收集大量的数据，经由有经验的技术人员对其进行标记，然后使用标记的数据和原始数据对深度学习模型进行训练，得到目标模型。
2、在需要对训练好的模型进行优化时，需要重新从现场收集大量的数据，并在标记后进行训练。然而，这样优化模型的方法的周期非常长。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够减少对模型进行优化的周期的模型优化方法、装置、系统、计算机设备和存储介质。
2、第一方面，本申请提供了一种模型优化方法，该方法包括：
3、获取客户端发送的本地模型的多个模型参数和多个损失函数；多个模型参数与所述多个损失函数一一对应；
4、根据本地模型、多个损失函数和多个模型参数，确定目标模型参数；
5、将目标模型参数传输至客户端，以使客户端使用目标模型参数替换本地模型的初始模型参数，得到优化后的本地模型。
6、在其中一个实施例中，根据本地模型、多个损失函数和多个模型参数，确定目标模型参数，包括：
7、使用各模型参数替换本地模型的初始模型参数，得到多个中间模型；
8、将训练样本集中的输入数据输入各中间模型，得到各中间模型的输出结果；
9、根据各中间模型的输出结果
10、在其中一个实施例中，根据各中间模型的输出结果、输入数据对应的输出结果，以及多个损失函数，确定目标模型参数，包括：
11、计算各中间模型的输出结果和输入数据对应的输出结果之间的差异，得到多个差异；
12、将差异小于或等于预设差异阈值，且损失函数小于或等于预设损失阈值对应的模型参数确定为目标模型参数。
13、在其中一个实施例中，本地模型包括分割模型、检测模型和分类模型中的至少一种。
14、第二方面，本申请一个实施例提供一种模型优化方法，该方法包括：
15、将当前使用的本地模型的多个模型参数和多个损失函数发送给服务端，以指示服务端根据本地模型、多个损失函数和多个模型参数确定目标模型参数，并将目标模型参数传输至客户端；其中，多个模型参数与多个损失模型一一对应；
16、接收目标模型参数，并使用目标模型参数替换本地模型的初始模型参数，得到优化后的本地模型。
17、在其中一个实施例中，该方法还包括：
18、根据用户在预设界面上输入的测试数据获取本地模型的多个模型参数和多个损失函数。
19、第三方面，本申请一个实施例提供一种模型优化系统，该系统包括客户端和服务端，服务端用于执行如上述第一方面提供的方法的步骤，客户端用于执行如上述第二方面提供的方法的步骤。
20、第四方面，本申请一个实施例提供一种模型优化装置，该装置包括：
21、获取模块，用于获取客户端发送的本地模型的多个模型参数和多个损失函数；模型参数和损失函数一一对应；
22、确定模块，用于根据本地模型、多个损失函数和多个模型参数，确定目标模型参数；
23、替换模块，用于将目标模型参数传输至客户端，以使客户端使用目标模型参数替换本地模型的初始模型参数，得到优化后的本地模型。
24、第五方面，本申请一个实施例提供一种模型优化装置，该装置包括：
25、发送模块，用于将当前使用的本地模型的多个模型参数和多个损失函数发送给服务端，以指示服务端根据本地模型、多个损失函数和多个模型参数确定目标模型参数，并将目标模型参数传输至客户端；其中，多个模型参数与多个损失模型一一对应；
26、接收模块，用于接收目标模型参数，并使用目标模型参数替换本地模型的初始模型参数，得到优化的本地模型。
27、第六方面，本申请一个实施例还提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现如上述第一方面和第二方面提供的方法的步骤。
28、上述模型优化方法、装置、系统、计算机设备和存储介质，该方法通过获取客户端发送的本地模型的多个模型参数和多个损失函数；多个模型参数与多个损失函数一一对应，根据本地模型、多个损失函数和多个模型参数确定目标模型参数，将目标模型参数传输至客户端，以使客户端使用目标模型参数替换本地模型的初始模型参数，得到优化后的本地模型。在本实施例中，服务端根据本地模型、多个损失函数和多个模型参数确定目标模型参数，客户端使用该目标模型参数替换客户端中的本地模型的初始模型参数，实现对本地模型的优化。这样对本地模型进行优化的过程无需重新从现场获取大量训练数据对本地模型进行训练，能够减少对本地模型进行优化的周期，从而能够提高对本地模型进行优化的效率。并且对本地模型进行优化的过程也无需技术人员对数据进行标记，能够减少人力物力的浪费。
本文档来自技高网...【技术保护点】
1.一种模型优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述本地模型、所述多个损失函数和所述多个模型参数，确定目标模型参数，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据各所述中间模型的输出结果、所述输入数据对应的输出结果，以及所述多个损失函数，确定所述目标模型参数，包括：
4.根据权利要求1-3任一项所述的方法，其特征在于，所述本地模型包括分割模型、检测模型和分类模型中的至少一种。
5.一种模型优化方法，其特征在于，所述方法包括：
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
7.一种模型优化系统，其特征在于，所述系统包括客户端和服务端，所述服务端用于执行如权利要求1-4任一项所述的方法的步骤，所述客户端用于执行如权利要求5和6所述的方法的步骤。
8.一种模型优化装置，其特征在于，所述装置包括：
9.一种模型优化装置，其特征在于，所述装置包括：
10.一种计算机设备，包括存储器和处理器，所述存储器存储有
...【技术特征摘要】
1.一种模型优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述本地模型、所述多个损失函数和所述多个模型参数，确定目标模型参数，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据各所述中间模型的输出结果、所述输入数据对应的输出结果，以及所述多个损失函数，确定所述目标模型参数，包括：
4.根据权利要求1-3任一项所述的方法，其特征在于，所述本地模型包括分割模型、检测模型和分类模型中的至少一种。
5.一种模型优化方法，其特征在于，所述方法包括：
【专利技术属性】
技术研发人员：马润霞，吉子军，
申请(专利权)人：上海联影医疗科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。