病理图像样本的神经网络模型训练方法、装置

摘要

本发明涉及一种带有标签噪声的病理图像样本的神经网络模型训练方法、装置，该方法包括：将带有初始标签的病理图像样本输入到初始神经网络模型中，得到每个样本的初始预测概率；根据每个样本的初始标签和初始预测概率计算出初始交叉熵损失函数和初始梯度模长；使用梯度模长计算出每个样本对应梯度密度，使用梯度密度和高斯概率分布对初始交叉熵损失函数进行加权计算，调整易分样本和极度难分样本对模型训练的影响；使用梯度模长对样本的初始标签进行优化；使用梯度下降法和加权后的修正交叉熵损失函数对模型进行训练，更新模型的参数；在下一次迭代使用优化后的标签作为样本的标签求损失值，重复迭代训练数次，直到模型收敛为止，可提高模型训练效果。