买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:江苏护理职业学院
摘要:本发明公开了基于深度学习的智能化病例分析方法及系统包括,获取甲状腺或乳腺病例历史数据,并对病例历史数据进行预处理;对预处理后的映射关系数据集进行分类操作,将预处理后的映射关系数据集分为第一数据集以及第二数据集;根据第一数据集,结合深度学习网络建立第一模型;对第一模型进行打分,若分数不低于预设阈值,则根据第一模型进行智能化病例分析。本发明提出了一种基于深度学习的智能化病例分析方法及系统,能够对甲状腺或乳腺病例进行有效地分析。此外,本发明还通过数据集分类操作,提高了模型的泛化能力和鲁棒性。
主权项:1.基于深度学习的智能化病例分析方法,其特征在于,包括:获取甲状腺或乳腺病例历史数据,并对所述病例历史数据进行预处理,所述病例历史数据包括纯图像病例历史数据、纯文本病例历史数据以及图像与文本结合病例历史数据;对预处理后的映射关系数据集进行分类操作,将预处理后的映射关系数据集分为第一数据集以及第二数据集;所述第一数据集为同种病例类型中相同人物姓名以及身份ID对应的日期存在至少两个,且日期间隔大于两天的数据,或信息抽取的辅助建议文本中存在病情结束标志词的数据集,所述第二数据集为所述映射关系数据集中除去第一数据集的部分;根据所述第一数据集,结合深度学习网络建立第一模型,所述第一模型的输入为图片病例特征、文本病例描述以及病例类型,所述第一模型的输出为辅助建议文本;对所述第一模型进行打分,若分数不低于预设阈值,则根据所述第一模型进行智能化病例分析;对所述第一模型进行打分,若分数低于预设阈值,则对第二数据集进行扩充,将扩充后的第二数据集结合原第一数据集形成新的数据集,根据新的数据集结合深度学习网络重新建立第二模型,根据所述第二模型进行智能化病例分析;将所述新的数据集分为训练集与测试集,所述训练集中至少包含全部同种病例类型中相同人物姓名以及身份ID对应的日期存在至少三个,且日期间隔大于两天的数据,且信息抽取的辅助建议文本中存在病情结束标志词的数据集,所述测试集至少包括所述第二数据集中同种病例类型中信息抽取的辅助建议文本中存在病情结束标志词的数据集;所述第二模型打分分数不低于所述第一模型打分分数;所述预处理包括对所述纯图像病例历史数据进行图像增强以及病例特征提取、对纯文本病例历史数据进行信息抽取,并根据信息抽取后的结果进行结构化处理以及对图像与文本结合病例历史数据先进行信息抽取后,并根据信息抽取后的结果进行结构化处理,再进行图像增强以及病例特征提取;所述图像增强包括使用改进边缘检测算法,对甲状腺组织的边缘进行突出显示,使用改进小波变换对乳腺病变区域内部特征进行突出显示;所述病例特征提取包括通过甲状腺或乳腺病例图像的特定特点改进神经网络,并使用改进后的神经网络模型进行病例特征提取;所述改进后的神经网络模型设计多尺度特征提取模块,使网络能够同时关注大尺度和小尺度的特征;在网络中加入对比度增强模块,以减少噪声干扰;采用过采样少数类或欠采样多数类的策略来平衡数据集;在网络训练中使用加权损失函数,给予少数类更高的权重;所述信息抽取包括从病例文本数据中提取日期、人物姓名、病例类型、年龄、身份ID、文本病例描述以及辅助建议文本七种结构化数据信息;所述预处理还包括根据结构化处理后的结果建立以病例类型为第一优先级,年龄为第二优先级,人物姓名以及身份ID为第三优先级,日期为第四优先级的映射关系数据集;所述预处理还包括:使用改进直接映射方法建立映射函数,并根据所述映射函数建立同种病例中图像与文本数据的映射关系;获取病例图像的固定维度特征向量,并将病例文本中的词语转化为向量表示,并通过循环神经网络结构捕获文本的上下文信息,输出文本的特征表示;将图像特征向量和文本特征向量进行融合,采用注意力机制方法来实现特征融合,以获得图像和文本之间的联合表示;设计全连接神经网络层作为映射函数,将融合后的特征映射到目标空间,所述目标空间为一个固定维度的向量空间,用于表示图像和文本之间的映射关系。
全文数据:
权利要求:
百度查询: 江苏护理职业学院 基于深度学习的智能化病例分析方法及系统
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。