[發明專利]圖像分析問答

在審

• 申請號: 201710329190.5
• 申請日: 2017-04-07
• 公開（公告）號: CN107292086A
• 公開（公告）日: 2017-10-24
• 發明（設計）人: W·劉;A·莫迪;B·喬治斯庫;F·佩賴拉
• 申請（專利權）人: 西門子保健有限責任公司
• 主分類號: G06F19/00
• 分類號: G06F19/00;G06F17/27;G06N5/02
• 代理公司: 中國專利代理(香港)有限公司72001
• 代理人: 徐紅燕,劉春元

1.一種用于預測針對有關醫學圖像分析報告的問題的答案的計算機執行的方法，該方法包括：

將醫學圖像分析報告分成多個句子；

通過將自然語言處理框架應用到多個句子來生成多個句子嵌入向量；

接收涉及包括在醫學圖像分析報告中的主題的問題；

通過將所述自然語言處理框架應用到所述問題來生成問題嵌入向量；

通過將類似性匹配處理應用到所述句子嵌入向量和問題嵌入向量來識別與所述問題嵌入向量最類似的句子嵌入向量子集；和

基于所述句子嵌入向量子集，使用經訓練的遞歸神經網絡(RNN)確定針對所述問題的預測答案。

2.如權利要求1所述方法，其中所述每個句子嵌入向量通過以下生成：

使用自然語言處理框架針對在特定句子中的每個詞生成嵌入；和

將特定句子中的每個詞的嵌入進行平均以產生句子嵌入向量。

3.如權利要求1所述的方法，其中通過將所述多個句子匹配到一個或多個本體參考，所述自然語言處理框架識別目標醫學語法。

4.如權利要求3所述的方法，其中所述目標醫學語法包括一種或多種疾病的描述。

5.如權利要求3所述的方法，其中目標醫學語法包括一種或多種解剖實體的描述。

6.如權利要求3所述的方法，其中所述一個或多個本體參考包括統一醫學語言系統(UMLS)數據集。

7.如權利要求1所述的方法，進一步包括：

使用一個或多個醫學知識數據集訓練自然語言處理框架。

8.如權利要求7所述的方法，其中一個或多個醫學知識數據集包括來自美國放射學學院的放射學指南。

9.如權利要求1所述的方法，其中所述類似性匹配處理包括：

計算每個句子嵌入向量和問題嵌入向量之間的余弦乘積以產生用于每個句子嵌入向量的類似性分數；

根據所述類似性分數對句子嵌入向量排序；

選擇預定數量的最高排序句子嵌入向量作為句子嵌入向量的子集。

10.如權利要求1所述的方法，其中所述經訓練的RNN為長的短期存儲器(LSTM)RNN，并且預測的答案通過如下確定：

將句子嵌入向量的子集劃分成第一詞序列；

將問題嵌入向量的子集劃分成第二詞序列；

將第一詞序列和第二詞序列順序地傳送通過多個LSTM單元以產生與不同狀態對應的多個輸出；

使用線性操作將多個輸出組合成單個輸入向量；和

將softmax函數應用到所述單個輸入向量以生成預測答案。

11.一種用于預測針對有關醫學圖像分析報告的問題的答案的計算機執行的方法，所述方法包括：

通過將自然語言處理框架應用到醫學圖像分析報告中的句子來生成多個句子嵌入向量；

接收涉及包括在所述醫學圖像分析報告中的主題的問題；

通過將自然語言處理框架應用到所述問題來生成問題嵌入向量；

識別與所述問題嵌入向量最類似的句子嵌入向量的子集；

將所述句子嵌入向量的子集劃分成第一詞序列；

將所述問題嵌入向量的子集劃分成第二詞序列；

將第一詞序列和第二詞序列順序地傳送通過多個長的短期存儲器(LSTM)單元以產生與不同狀態對應的多個輸出；

將多個輸出組合成單個輸入向量；和

將softmax函數應用到所述單個輸入向量以生成預測答案。

12.如權利要求11所述的方法，其中通過將類似性匹配處理應用到所述句子嵌入向量和所述問題嵌入向量來識別與所述問題嵌入向量最類似的句子嵌入向量的子集。

13.如權利要求11所述的方法，其中所述每個句子嵌入向量通過以下生成：

使用自然語言處理框架生成用于在特定句子中的每個詞的嵌入；和

將特定句子中的每個詞的嵌入進行平均以產生句子嵌入向量。

14.如權利要求11所述的方法，其中通過將所述多個句子匹配到一個或多個本體參考，所述自然語言處理框架識別目標醫學語法。

15.如權利要求14所述的方法，其中所述目標醫學語法包括一種或多種疾病的描述。