[發明專利]數據處理方法、裝置和存儲介質

在審

• 申請號: 202010431227.7
• 申請日: 2020-05-20
• 公開（公告）號: CN111768367A
• 公開（公告）日: 2020-10-13
• 發明（設計）人: 叢龍飛;安興
• 申請（專利權）人: 深圳邁瑞生物醫療電子股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62
• 代理公司: 北京磐華捷成知識產權代理有限公司 11851
• 代理人: 卜璐璐

1.一種數據處理方法，其特征在于，所述方法包括：

獲取受測者的樣本多模態數據和對應的臨床標定結果，所述樣本多模態數據包括目標區域的樣本超聲圖像；

對所述樣本多模態數據進行特征提取得到樣本特征；

針對與所述目標區域對應的多個相關特性，獲取所述樣本特征對于每個所述相關特性的貢獻度向量；

基于所述樣本特征和所述樣本特征對于每個所述相關特性的貢獻度向量，確定用于對所述目標區域進行分級的樣本融合特征；

基于所述樣本融合特征和所述對應的臨床標定結果訓練分級模型，以得到對所述目標區域進行分級的分級模型。

2.根據權利要求1所述的方法，其特征在于，所述樣本多模態數據還包括樣本臨床文本信息，所述對所述樣本多模態數據進行特征提取得到樣本特征，包括：

對所述樣本超聲圖像進行特征提取得到樣本圖像特征，對所述樣本臨床文本信息進行特征提取得到樣本文本特征，并將所述樣本圖像特征和所述樣本文本特征進行拼接得到所述樣本特征。

3.根據權利要求2所述的方法，其特征在于，所述對所述樣本超聲圖像進行特征提取包括對所述樣本超聲圖像中的感興趣區域進行特征提取，所述感興趣區域的獲取包括以下中的任一項：

基于預訓練的檢測模型檢測并提取所述樣本超聲圖像中的感興趣區域；

基于預訓練的多任務模型檢測并提取所述樣本超聲圖像中的感興趣區域，所述多任務模型還用于對所述感興趣區域進行所述特征提取；以及

基于用戶輸入獲取所述樣本超聲圖像中的感興趣區域。

4.根據權利要求2所述的方法，其特征在于，所述對所述樣本超聲圖像進行特征提取是基于預訓練的圖像特征提取模型，所述對所述樣本臨床文本信息進行特征提取是基于預訓練的文本特征提取模型。

5.根據權利要求1所述的方法，其特征在于，所述針對與所述目標區域對應的多個相關特性，獲取所述樣本特征對于每個所述相關特性的貢獻度向量，包括：

構建與所述多個相關特性中的每個相關特性各自對應的預測模型，并基于所述預測模型分別擬合所述樣本特征對于每個所述相關特性的貢獻度向量。

6.根據權利要求5所述的方法，其特征在于，所述與所述多個相關特性中的每個相關特性各自對應的預測模型是通過邏輯回歸分類模型或隨機森林分類模型構建的。

7.如權利要求6所述的方法，其特征在于，所述邏輯回歸分類模型的決策函數包括線性決策函數或非線性決策函數。

8.根據權利要求1所述的方法，其特征在于，所述針對與所述目標區域對應的多個相關特性，獲取所述樣本特征對于每個所述相關特性的貢獻度向量，包括：

針對與所述目標區域對應的多個相關特性，計算所述樣本特征中的每類特征對于每個所述相關特性的互信息量，并將所述樣本特征中所有特征對于每個所述相關特性的互信息量的集合作為所述樣本特征對于每個所述相關特性的貢獻度向量。

9.根據權利要求5或8所述的方法，其特征在于，所述樣本特征對于每個所述相關特性的貢獻度向量包括一組貢獻度權值，所述一組貢獻度權值直接作為所述貢獻度向量或者經標準化后作為所述貢獻度向量。

10.根據權利要求1所述的方法，其特征在于，所述基于所述樣本特征和所述樣本特征對于每個所述相關特性的貢獻度向量，確定用于對所述目標區域進行分級的樣本融合特征，包括：

基于所述樣本特征對于每個所述相關特性的貢獻度向量計算每個所述相關特性下的加權特征；

將所有所述相關特性下的加權特征進行融合，以得到用于對所述目標區域進行分級的樣本融合特征。

11.根據權利要求10所述的方法，其特征在于，所述將所有所述相關特性下的加權特征進行融合，包括：

將所有所述相關特性下的加權特征求平均；或者

將所有所述相關特性下的加權特征進行拼接。