模型训练方法、计算机辅助诊断方法、设备及存储介质

本申请提供一种模型训练方法、计算机辅助诊断方法、设备及存储介质，涉及医学图像处理与人工智能辅助诊断领域。该模型训练方法包括：基于包含检查记录包、包级标签及部分表型标签的样本数据，图像样本经不同增强后，由学生分支同时完成感染判别与多表型学习，教师分支经指数移动平均更新并输出感染预测概率以提供一致性约束，并结合监督对比约束、表型分类约束及分支预测一致性约束优化编码器；再利用训练后的编码器对单次检查的多张图像进行包级聚合预测，训练包分类器完成感染风险判别。有效提升对胃黏膜关键表型和复杂图像差异的建模能力，抑制冗余、低质量帧的影响，增强幽门螺杆菌感染预测的准确性、稳定性和可解释性。