训练老年性黄斑部退化的分类模型的电子装置和方法与流程

技术特征：
1.一种训练老年性黄斑部退化的分类模型的电子装置，其特征在于，包括：收发器；以及处理器，耦接所述收发器，其中所述处理器经配置以执行：通过所述收发器取得训练数据；基于机器学习算法计算对应于所述训练数据的损失函数向量，其中所述损失函数向量包括对应于所述老年性黄斑部退化的第一期的第一损失函数值以及对应于所述老年性黄斑部退化的第二期的第二损失函数值；根据所述第一期与所述第二期之间的分期差异产生第一惩罚权重；根据所述第二损失函数值以及所述第一惩罚权重更新所述第一损失函数值以产生更新损失函数向量；以及根据所述更新损失函数向量训练所述分类模型。2.根据权利要求1所述的电子装置，其中所述损失函数向量还包括对应于所述老年性黄斑部退化的第三期的第三损失函数值，其中所述处理器还经配置以执行：根据所述第一期与所述第三期之间的第二分期差异产生第二惩罚权重；以及根据所述第三损失函数值以及所述第二惩罚权重更新所述第一损失函数值以产生所述更新损失函数向量。3.根据权利要求2所述的电子装置，其中所述第二分期差异大于所述分期差异，并且所述第二惩罚权重大于所述第一惩罚权重。4.根据权利要求1所述的电子装置，其中所述第一惩罚权重与所述分期差异成正比。5.根据权利要求1所述的电子装置，其中所述训练数据包括标注了老年性黄斑部退化分期的眼底图。6.根据权利要求5所述的电子装置，其中所述损失函数向量对应于二进制互熵函数。7.根据权利要求6所述的电子装置，其中所述处理器基于所述机器学习算法计算对应于所述训练数据的归一化机率向量，根据所述眼底图的标注产生对应于所述老年性黄斑部退化分期的一位有效编码向量，并且将所述归一化机率向量以及所述一位有效编码向量输入至所述二进制互熵函数以产生所述损失函数向量。8.根据权利要求2所述的电子装置，其中所述更新损失函数向量中的更新损失函数值包括所述第二损失函数值以及所述第一惩罚权重的第一商数。9.根据权利要求8所述的电子装置，其中所述更新损失函数值还包括所述第三损失函数以及所述第二惩罚权重的第二商数。10.一种训练老年性黄斑部退化的分类模型的方法，其特征在于，包括：取得训练数据；基于机器学习算法计算对应于所述训练数据的损失函数向量，其中所述损失函数向量包括对应于所述老年性黄斑部退化的第一期的第一损失函数值以及对应于所述老年性黄斑部退化的第二期的第二损失函数值；根据所述第一期与所述第二期之间的分期差异产生第一惩罚权重；根据所述第二损失函数值以及所述第一惩罚权重更新所述第一损失函数值以产生更新损失函数向量；以及根据所述更新损失函数向量训练所述分类模型。

技术总结
本发明提供一种训练老年性黄斑部退化的分类模型的电子装置和方法。方法包含：取得训练数据；基于机器学习算法计算对应于训练数据的损失函数向量，其中损失函数向量包含对应于老年性黄斑部退化的第一期的第一损失函数值以及对应于老年性黄斑部退化的第二期的第二损失函数值；根据第一期与第二期之间的分期差异产生第一惩罚权重；根据第二损失函数值以及第一惩罚权重更新第一损失函数值以产生更新损失函数向量；以及根据更新损失函数向量训练分类模型。分类模型。分类模型。


技术研发人员：郑孟哲 鄞铭佐 谢易庭
受保护的技术使用者：宏碁智医股份有限公司
技术研发日：2021.08.30
技术公布日：2022/12/5