[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

本發明提供了一種數據處理方法、裝置和存儲介質，該方法包括：獲取受測者的多模態數據，所述多模態數據包括目標區域的超聲圖像；對所述多模態數據進行特征提取得到數據特征；針對與所述目標區域對應的多個相關特性，獲取所述數據特征對于每個所述相關特性的貢獻度向量；基于所述數據特征和所述數據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融合特征；基于所述融合特征，利用訓練好的分級模型對所述目標區域進行分級，并輸出分級結果。本發明的方案能夠有效減少多模態數據融合特征中的冗余性。

技術領域

本發明涉及數據處理技術領域，更具體地涉及一種數據處理方法、裝置和存儲介質。

背景技術

目前，基于機器學習技術對患者某部位的目標區域(諸如乳腺病灶、甲狀腺結節等)進行超聲智能診斷分析時，常結合患者多個模態的圖像數據與臨床數據進行綜合分析。多模態數據中包含著大量相關且互補的有效信息，基于單一模態的數據很難對患者的目標區域進行全面解釋。其中，如何有效融合與選擇不同模態的特征，以提高輔助診斷的效果，仍然是當前的技術難點。

現有的多模態特征融合的方法主要集中于特征串聯拼接、相關性分析、基于模型進行抽象(如受限波爾茨曼機)以及基于特征降維的方法。這些方法往往忽視了不同模態的數據與待預測問題之間存在著不同的相關性，使得融合特征中存在特征冗余的問題，從而影響對患者目標區域進行分級診斷的準確性。

發明內容

根據本發明一方面，提供了一種數據處理方法，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。

根據本發明另一方面，提供了一種數據處理方法，所述方法包括：獲取受測者的多模態數據，所述多模態數據包括目標區域的超聲圖像；對所述多模態數據進行特征提取得到數據特征；針對與所述目標區域對應的多個相關特性，獲取所述數據特征對于每個所述相關特性的貢獻度向量；基于所述數據特征和所述數據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融合特征；基于所述融合特征，利用訓練好的分級模型對所述目標區域進行分級，并輸出分級結果。

根據本發明再一方面，提供了一種數據處理裝置，所述裝置包括存儲器和處理器，所述存儲器上存儲有由所述處理器運行的計算機程序，所述計算機程序在被所述處理器運行時執行上述數據處理方法。

根據本發明又一方面，提供了一種存儲介質，所述存儲介質上存儲有計算機程序，所述計算機程序在運行時執行上述數據處理方法。

根據本發明實施例的數據處理方法、裝置和存儲介質基于受測者的多維度特征與分級任務的不同預測問題之間的相關性進行特征融合，能夠有效減少多模態數據融合特征中的冗余性，從而提高對受測者目標區域進行分級診斷的準確性。

附圖說明

通過結合附圖對本發明實施例進行更詳細的描述，本發明的上述以及其它目的、特征和優勢將變得更加明顯。附圖用來提供對本發明實施例的進一步理解，并且構成說明書的一部分，與本發明實施例一起用于解釋本發明，并不構成對本發明的限制。在附圖中，相同的參考標號通常代表相同部件或步驟。

圖1示出根據本發明一個實施例的數據處理方法的示意性流程圖。

圖2示出根據本發明實施例的數據處理方法中對特征向量加權融合的示意圖。

圖3示出根據本發明另一個實施例的數據處理方法的示意性流程圖。