技术摘要：
本申请涉及一种对性早熟分类模型进行训练的方法、装置、计算机设备和存储介质。对性早熟分类模型进行训练的方法包括：获取用于表征性早熟类别的文本信息和影像信息；从所述文本信息中，提取与预设的性早熟分类参数对应的分类参数值；对所述影像信息进行特征提取处理，  全部
背景技术：
随着计算机技术的发展，人工智能技术被广泛应用在各个行业中，人工智能技术 的关键环节之一就是对模型的训练，以得到一个性能较优的模型。人工智能技术可以应用 在对性早熟进行分类的领域中，但传统的训练性早熟分类模型性能并没有达到最优化。发 明人发现，导致分类性能未到达最优化的原因是传统训练性早熟分类模型的数据维度单 一，例如，训练数据仅是子宫体/卵巢的容积、长径、横径等，而这些数据仅是一些反映单一 第二性征发育的结构化数据。因此，为提高性早熟分类模型的分类性能，如何对性早熟分类 模型进行训练是有必要解决的问题。
技术实现要素：
基于此，有必要针对上述技术问题，提供一种能够提高性早熟分类模型的分类性 能的对性早熟分类模型进行训练的方法、装置、计算机设备和存储介质。 一种对性早熟分类模型进行训练的方法，包括： 获取用于表征性早熟类别的文本信息和影像信息； 从所述文本信息中，提取与预设的性早熟分类参数对应的分类参数值； 对所述影像信息进行特征提取处理，得到影像特征； 利用所述分类参数值和所述影像特征，对所述性早熟分类模型进行训练。 在其中一个实施例中，所述对所述影像信息进行特征提取处理，得到影像特征的 步骤，包括： 将所述影像信息输入至预先训练的卷积神经网络中，控制所述卷积神经网络从所 述影像信息中提取骨形态特征，将所述骨形态特征作为所述影像特征；所述骨形态特征为 与骨龄有关的影像特征。 在其中一个实施例中，在所述将所述影像信息输入至预先训练的卷积神经网络中 的步骤之前，还包括： 获取影像训练样本，将所述影像训练样本输入至基于DenseNet模型构建的卷积神 经网络中，控制所述卷积神经网络根据所述影像训练样本完成训练。 在其中一个实施例中，所述性早熟分类参数包括第二性征的发育等级、骨龄、生殖 器官尺寸中的至少一项。 在其中一个实施例中，所述分类参数值和所述影像特征均为多个； 所述利用所述分类参数值和所述影像特征，对所述性早熟分类模型进行训练的步 骤，包括： 将同一个样本的分类参数值和影像特征归入同一组别； 4 CN 111553412 A 说　明　书 2/9 页 根据各个组别的分类参数值和影像特征，对所述性早熟分类模型进行训练。 在其中一个实施例中，所述性早熟分类模型为XGBoost分类器； 所述根据各个组别的分类参数值和影像特征，对所述性早熟分类模型进行训练的 步骤，包括： 将各个组别的分类参数值和影像特征输入至所述XGBoost分类器中，按照十折交 叉验证的方式控制所述XGBoost分类器进行训练。 在其中一个实施例中，所述方法，还包括： 对所述性早熟分类模型输出的分类结果进行原因分析处理，得到对应的分类原因 信息； 将所述分类原因信息和所述分类结果发送至目标终端，以使所述目标终端输出所 述分类原因信息和所述分类结果。 一种对性早熟分类模型进行训练的装置，包括： 信息获取模块，用于获取用于表征性早熟类别的文本信息和影像信息； 分类参数值提取模块，用于从所述文本信息中，提取与预设的性早熟分类参数对 应的分类参数值； 影像特征提取模块，用于对所述影像信息进行特征提取处理，得到影像特征； 模型训练模块，用于利用所述分类参数值和所述影像特征，对所述性早熟分类模 型进行训练。 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，所述处理 器执行所述计算机程序时实现以下步骤： 获取用于表征性早熟类别的文本信息和影像信息； 从所述文本信息中，提取与预设的性早熟分类参数对应的分类参数值； 对所述影像信息进行特征提取处理，得到影像特征； 利用所述分类参数值和所述影像特征，对所述性早熟分类模型进行训练。 一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执 行时实现以下步骤： 获取用于表征性早熟类别的文本信息和影像信息； 从所述文本信息中，提取与预设的性早熟分类参数对应的分类参数值； 对所述影像信息进行特征提取处理，得到影像特征； 利用所述分类参数值和所述影像特征，对所述性早熟分类模型进行训练。 上述对性早熟分类模型进行训练的方法、装置、计算机设备和存储介质，服务器在 获取到用于表征性早熟类别的文本信息和影像信息后，从文本信息中提取与预设的性早熟 分类参数对应的分类参数值，对影像信息进行特征提取处理，得到影像特征，利用分类参数 值和影像特征，对性早熟分类模型进行训练，增加性早熟分类模型的训练数据的数据维度， 提高性早熟分类模型的分类性能。 附图说明 图1为一个实施例中计算机设备的内部结构图； 图2为一个实施例中对性早熟分类模型进行训练的方法的流程示意图； 5 CN 111553412 A 说　明　书 3/9 页 图3为一个实施例中对性早熟分类模型进行训练的步骤的流程示意图； 图4为一个实施例中对性早熟分类模型进行训练的装置的结构框图。