(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 202211266810.2 (22)申请日 2022.10.17 (71)申请人 深圳市联影高端医疗 装备创新研究 院 地址 518048 广东省深圳市福田区福田保 税区槟榔道3号深九科技创业园B栋8- 13层 (72)发明人 莫梓杰　 (74)专利代理 机构 杭州华进联浙知识产权代理 有限公司 3 3250 专利代理师 何晓春 (51)Int.Cl. G06N 20/00(2019.01) G06N 3/08(2006.01) G16H 30/00(2018.01) (54)发明名称 预测模型训练方法、 装置、 设备以及图像预 测方法 (57)摘要 本申请涉及一种预测模型训练方法、 装置、 设备以及图像预测方法。 所述方法包括： 获取待 训练图像以及待训练的预测模型； 所述待训练的 预测模型至少包括第一子网络以及第二子网络； 将所述待训练图像输入所述第一子网络， 得到所 述待训练图像对应图像特征的第一特征信息； 获 取所述待训练图像的影像组学特征， 将所述影像 组学特征输入至所述第二子网络， 得到所述待训 练图像对应影像组学特征的第二特征信息； 根据 所述第一特征信息和所述第二特征信息， 对所述 待训练的预测模型进行训练， 得到目标预测模 型。 采用本方法能够在样本数据不充足的情况 下， 完成对预测模型的准确训练， 提高训练后预 测模型的准确性。 权利要求书2页 说明书12页 附图4页 CN 115438804 A 2022.12.06 CN 115438804 A 1.一种预测模型训练方法， 其特 征在于， 所述方法包括： 获取待训练图像以及待训练 的预测模型； 所述待训练的预测模型至少包括第 一子网络 以及第二子网络； 将所述待训练图像输入至所述第 一子网络， 得到所述待训练图像对应图像特征的第 一 特征信息； 获取所述待训练图像的影像组学特征， 将所述影像组学特征输入至所述第二子网络， 得到所述待训练图像对应 影像组学特征的第二特 征信息； 根据所述第一特征信息和所述第二特征信息， 对所述待训练的预测模型进行训练， 得 到目标预测模型。 2.根据权利要求1所述的方法， 其特征在于， 所述根据所述第 一特征信 息和所述第 二特 征信息， 对所述待训练的预测模型进行训练， 得到目标 预测模型， 包括： 确定所述第 一特征信 息和所述第 二特征信 息的对比损失值， 基于所述对比损失值确定 所述预测模型的初始训练模型参数； 基于所述初始训练模型参数， 得到目标 预测模型。 3.根据权利要求2所述的方法， 其特征在于， 所述确定所述第 一特征信 息和所述第 二特 征信息的对比损失值， 基于所述对比损失值确定所述预测模型的初始训练模型参数， 包括： 基于所述对比损失值进行梯度 下降， 确定初始训练模型参数， 其中， 所述对比损失值的 下降表示同一所述待训练图像的所述第一特征信息和所述第二特征信息之间的相似度增 大。 4.根据权利要求3所述的方法， 其特征在于， 所述基于所述对比损 失值进行梯度下降， 确定初始训练模型参数， 包括： 基于所述对比损失值调整所述预测模型的模型参数； 将所述待训练图像输入调整后的所述预测模型， 得到调整后的对比损失值； 重复基于所述对比损失值调整所述预测模型的模型参数， 直至所述对比损失值达到极 小值， 确定所述初始训练模型参数。 5.根据权利要求2所述的方法， 其特征在于， 所述基于所述初始训练模型参数， 得到目 标预测模型， 包括： 通过所述第 一子网络确定所述待训练图像的第 一预测训练结果， 通过所述第 二子网络 确定所述待训练图像对应 影像组学特征的第二预测训练结果； 基于所述第一预测训练结果和所述第二预测训练结果确定预测误差； 基于所述预测误差更新初始训练模型参数， 得到目标 预测模型。 6.一种图像预测方法， 其特 征在于， 所述方法包括： 获取待预测原 始图像； 基于目标预测模型对所述待预测原始图像进行预测， 得到所述待预测 原始图像的预测 结果， 其中， 所述目标预测模型为通过权利要求 1‑5任一项所述的预测模型训练方法训练得 到的。 7.根据权利要求6所述的方法， 其特征在于， 所述基于目标预测模型对所述待预测原始 图像进行 预测， 得到所述待预测原 始图像的预测结果， 包括： 将所述待预测原 始图像输入至所述目标 预测模型；权　利　要　求　书 1/2 页 2 CN 115438804 A 2通过所述目标预测模型中的第 一子网络输出所述待预测 原始图像的第 一预测结果， 通 过所述目标预测模型中的第二子网络输出所述待预测原始图像对应影像组学特征的第二 预测结果； 基于所述第一预测结果与所述第二预测结果确定所述待预测原 始图像的预测结果。 8.一种预测模型训练装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取待训练图像以及待训练的预测模型； 所述待训练的预测模型至少 包括第一子网络以及第二子网络； 分析模块， 用于将所述待训练图像输入至所述第一子网络， 得到所述待训练图像对应 图像特征 的第一特征信息； 获取所述待训练图像的影像组学特征， 将所述影像组学特征输 入至所述第二子网络， 得到所述待训练图像对应 影像组学特征的第二特 征信息； 自监督模块， 用于根据所述第一特征信息和所述第二特征信息， 对所述待训练的预测 模型进行训练， 得到目标 预测模型。 9.一种图像预测装置， 其特 征在于， 所述装置包括： 图像采集模块， 用于获取待预测原 始图像； 图像预测模块， 用于基于目标预测模型对所述待预测原始图像进行预测， 得到所述待 预测原始图像的预测结果， 其中， 所述目标预测模 型为通过权利要求 1‑5任一项所述的预测 模型训练方法训练得到的。 10.一种计算机设备， 包括存储器和 处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1至 5中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 115438804 A 3