申请/专利权人：北京大学第三医院(北京大学第三临床医学院)

申请日：2024-05-08

公开（公告）日：2024-07-05

公开（公告）号：CN118136200B

主分类号：G16H15/00

分类号：G16H15/00;G06T7/00;G06F18/24

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2024.06.21#实质审查的生效;2024.06.04#公开

摘要：本公开涉及一种诊断报告生成方法、装置及介质。该方法包括：获取实际彩色眼底图像、实际眼底荧光血管造影图像、以及对应实际临床特征；利用已经完成构建的眼底疾病多标签诊断分类模型进行诊断分类，在构建所述眼底疾病多标签诊断分类模型时，数据集的构建包括：收集北京大学第三医院眼科的多份FFA报告，且每份报告均有对应的临床特征及由资深视网膜专科医师出具的眼底病变报告、诊断结论，多份FFA报告包括多张CFP和多张FFA，将多份FFA报告按比例拆分为训练集、验证集、以及测试集，训练集用于训练眼底疾病多标签分类模型。本公开实现了利用人工智能技术精准识别眼底疾病，生成诊断报告的技术效果。

主权项：1.一种诊断报告生成方法，其特征在于，所述方法包括：获取实际彩色眼底图像、实际眼底荧光血管造影图像、以及对应实际临床特征；利用已经完成构建的眼底疾病多标签诊断分类模型对所述实际彩色眼底图像、所述实际眼底荧光血管造影图像、以及所述对应实际临床特征进行诊断分类，其中，在构建所述眼底疾病多标签诊断分类模型时，数据集的构建包括：收集北京大学第三医院眼科的多份FFA报告，且每份报告均有对应的临床特征及由资深视网膜专科医师出具的眼底病变报告、诊断结论，其中，所述多份FFA报告包括多张CFP和多张FFA，将所述多份FFA报告按比例拆分为训练集、验证集、以及测试集，所述训练集用于训练所述眼底疾病多标签分类模型；所述眼底疾病多标签诊断分类模型的构建，包括：将区块特征传入经典转换器模型的编码器内进行编码；提取代表编码后的区块特征的分类标记；将分类标记与临床特征融合后，得到融合特征；将所述融合特征传入与构建的基础分类模型类似的多任务分类头，以判断主分类及子分类；其中，所述经典转换器模型的编码器由基于多头注意力的自注意力层堆叠而成，所述多头注意力由n个平行头组成，每个头被定义为缩放点积注意力Att： ； ；其中， 和分别表示查询矩阵和健值矩阵； 和表示可学习的参数矩阵； ； 表示拼接操作；所述基础分类模型的构建，包括：利用卷积神经网络ResNet101作为视觉特征提取器提取图像区块特征；对所述图像区块特征进行二维均值池化后，将池化后的所述图像区块特征传入多任务分类头，第一个分类头诊断主分类，其余的三个分类头分别对DR、RVO以及AMD分类；生成诊断报告。

全文数据：

权利要求：

百度查询： 北京大学第三医院(北京大学第三临床医学院) 诊断报告生成方法、装置及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD