本公開的內容涉及醫療領域的深度學習技術，具體地，涉及一種建立符合使用者目的的用于醫療的人工智能模型的方法。

背景技術：

1、為了使用人工智能模型，以符合使用域的優質數據為基礎讓人工智能模型好好學習是非常重要的。但是，即使讓人工智能模型以優質數據學習也不能肯定地說人工智能模型一定會符合使用者的目的及使用域的性能。因此，針對經過學習的模型妥切地評估其是否能發揮出良好性能是非常重要的。即，針對學習模型的評估能保障模型的可靠性、效率性及透明性等，還能按照使用者的目的及使用域持續改善模型。

2、用于評估學習模型的基準大體上獨立于模型的學習條件及參數地設定。即，在建立人工智能模型的過程中評估是針對學習完畢的模型進行的，因此評估基準本身并不會在確定模型的學習條件或參數時發揮直接性影響。而且，用于評估學習模型的基準除了標準的性能指標以外還能包含特化于使用目的或域的評估指標，因此要以反映如此靈活變化的基準的方式設定模型的學習條件及參數是非常困難的。

3、但是，人工智能模型越發揮出符合評估基準的性能越能開發出下述模型，該模型能優異地實現欲通過人工智能模型實現的終極任務。因此，像醫療領域一樣需要包含特化于使用目的或域的評估指標時，在開發模型的整個過程中需要適當地反映特化于使用目的或域的評估指標。

技術實現思路

1、技術問題

2、本公開的目的是提供一種方法，該方法以使用者所圖任務為基礎導出規定人工智能模型的評估基準，以符合該評估基準的方式配置用于模型的學習及選擇的參數而建立用于醫療的人工智能模型。

3、然而，本公開需要解決的技術問題不限于前述問題，可以在下面的記載中明確地了解到前面沒有提到的其它問題。

4、技術方案

5、依據實現如前所述的問題的本公開的一實施例，揭示一種由計算裝置執行的建立用于醫療的人工智能模型的方法。所述方法包括下列步驟：以使用者所圖任務(task)為基礎制定人工智能模型的評估基準；依據制定的所述評估基準確定在用于人工智能模型的學習的損失演算中使用的第一指標及在用于選擇經過學習的所述模型的評估演算中使用的第二指標；以及以被確定的所述第一指標及第二指標為基礎，建立執行所述使用者所圖任務的人工智能模型。

6、或者，所述評估基準可包括下列基準中的至少一個：第一基準，關于人工智能模型的正確度；第二基準，關于人工智能模型的輸出的不確定性；或者第三基準，是關于下述相關關系的基準，該相關關系是人工智能模型的輸出與關于確定所述使用者所圖任務中所含疾病發病與否的生物體測量值之間的相關關系。

7、或者，若所述使用者所圖任務是預測左心室收縮功能不全(lvsd：leftventricular?systolic?dysfunction)，則確定所述疾病發病與否的生物體測量值可以是左心室射血分數(ef：ejection?fraction)。

8、或者，以使用者所圖任務為基礎制定人工智能模型的評估基準的步驟可包括下列步驟：以所述使用者所圖任務為基礎確定所述第一基準、所述第二基準及所述第三基準在所述評估基準占據的比率。

9、或者，若所述使用者所圖任務是預測左心室收縮功能不全(lvsd)，則能把所述第一基準、所述第二基準及所述第三基準在所述評估基準占據的比率定為4:3:3。

10、或者，依據制定的所述評估基準，確定在用于人工智能模型的學習的損失演算中使用的第一指標及在用于選擇經過學習的所述模型的評估演算中使用的第二指標的步驟可包括下列步驟：確定所述第一指標所含損失函數以便能夠計算依據所述第三基準的相關關系。

11、或者，若所述使用者所圖任務是預測左心室收縮功能不全(lvsd)，則所述第一指標所含損失函數可包含左心室射血分數(ef)回歸損失函數。

12、或者，依據制定的所述評估基準，確定在用于人工智能模型的學習的損失演算中使用的第一指標及在用于選擇經過學習的所述模型的評估演算中使用的第二指標的步驟可包括下列步驟：按照所述第一基準、所述第二基準及所述第三基準在所述評估基準占據的比率確定所述第二指標所含細部指標。

13、或者，以所述使用者所圖任務為基礎制定人工智能模型的評估基準的步驟可括下列步驟：以使用者的輸入為基礎獲取關于所述使用者所圖任務的信息；以及把關于所述使用者所圖任務的信息輸入預先學習的基準設定模型，導出所述評估基準。

14、或者，以所述使用者所圖任務為基礎制定人工智能模型的評估基準的步驟可包括下列步驟：以使用者的輸入為基礎獲取關于所述使用者所圖任務的信息；以及在預先設定的數據庫識別出和關于所述使用者所圖任務的信息對應的評估分類及細部基準。

15、或者，以被確定的所述第一指標及第二指標為基礎建立執行所述使用者所圖任務的人工智能模型的步驟可包括下列步驟：使用被確定的所述第一指標執行人工智能模型的學習；使用被確定的所述第二指標評估所述人工智能模型的性能；以及若被評估的所述人工智能模型的性能符合所述評估基準，則把符合所述評估基準的人工智能模型選為執行所述使用者所圖任務的人工智能模型。

16、實現如前所述的問題的本公開的一實施例揭示一種存儲在計算機可讀存儲介質的計算機程序(program)。所述計算機程序在一個以上的處理器實行時執行用于建立用于醫療的人工智能模型的多個動作。此時，所述多個動作可括下列動作：以使用者所圖任務(task)為基礎制定人工智能模型的評估基準；依據制定的所述評估基準確定在用于人工智能模型的學習的損失演算中使用的第一指標及在用于選擇經過學習的所述模型的評估演算中使用的第二指標；以及以被確定的所述第一指標及第二指標為基礎建立執行所述使用者所圖任務的人工智能模型。

17、實現如前所述的問題的本公開的一實施例揭示一種用于建立用于醫療的人工智能模型的計算裝置。所述裝置包括：處理器，包含至少一個內核(core)；存儲器(memory)，包含所述處理器可執行的多個程序代碼(code)；以及網絡單元(network?unit)，用于獲取醫療數據。此時，所述處理器以使用者所圖任務(task)為基礎制定人工智能模型的評估基準，依據制定的所述評估基準確定在用于人工智能模型的學習的損失演算中使用的第一指標及在用于選擇經過學習的所述模型的評估演算中使用的第二指標，以被確定的所述第一指標及第二指標為基礎建立執行所述使用者所圖任務的人工智能模型。

18、發明的效果

19、本公開把評估基準反映到模型的學習及選擇而得以提供能夠穩定地開發出下述模型的環境，該模型能發揮出適合使用目的及任務的最佳性能。

技術特征：

1.一種建立用于醫療的人工智能模型的方法，該方法由包括至少一個處理器的計算裝置執行，包括下列步驟：

2.根據權利要求1所述的方法，其特征在于，所述評估基準包括下列基準中的至少一個：

3.根據權利要求2所述的方法，其特征在于，若所述使用者所圖任務是預測左心室收縮功能不全，則確定所述疾病發病與否的生物體測量值是左心室射血分數。

4.根據權利要求2所述的方法，其特征在于，以使用者所圖任務為基礎制定人工智能模型的評估基準的步驟包括下列步驟：

5.根據權利要求4所述的方法，其特征在于，若所述使用者所圖任務是預測左心室收縮功能不全，則把所述第一基準、所述第二基準及所述第三基準在所述評估基準占據的比率定為4:3:3。

6.根據權利要求2所述的方法，其特征在于，依據制定的所述評估基準，確定在用于人工智能模型的學習的損失演算中使用的第一指標及在用于選擇經過學習的所述模型的評估演算中使用的第二指標的步驟包括下列步驟：

7.根據權利要求6所述的方法，其特征在于，若所述使用者所圖任務是預測左心室收縮功能不全，則所述第一指標所含損失函數包含左心室射血分數回歸損失函數。

8.根據權利要求2所述的方法，其特征在于，依據制定的所述評估基準，確定在用于人工智能模型的學習的損失演算中使用的第一指標及在用于選擇經過學習的所述模型的評估演算中使用的第二指標的步驟包括下列步驟：

9.根據權利要求1所述的方法，其特征在于，以所述使用者所圖任務為基礎制定人工智能模型的評估基準的步驟包括下列步驟：

10.根據權利要求1所述的方法，其特征在于，以所述使用者所圖任務為基礎制定人工智能模型的評估基準的步驟包括下列步驟：

11.根據權利要求1所述的方法，其特征在于，以被確定的所述第一指標及第二指標為基礎建立執行所述使用者所圖任務的人工智能模型的步驟包括下列步驟：

12.一種計算機程序，其特征在于，

13.一種用于建立用于醫療的人工智能模型的計算裝置，其特征在于，

技術總結
本公開一實施例涉及由計算裝置執行的建立用于醫療的人工智能模型的方法、程序及裝置。所述方法可包括下列步驟：以使用者所圖任務(task)為基礎制定人工智能模型的評估基準；依據制定的所述評估基準確定在用于人工智能模型的學習的損失演算中使用的第一指標及在用于選擇經過學習的所述模型的評估演算中使用的第二指標；以及以被確定的所述第一指標及第二指標為基礎，建立執行所述使用者所圖任務的人工智能模型。

技術研發人員：權俊明,李炳卓
受保護的技術使用者：美迪科誒愛有限公司
技術研發日：
技術公布日：2025/4/24