[發明專利]基于多模態數據的疾病輔助檢測設備、方法、裝置及介質

有效

• 申請號: 202011065616.9
• 申請日: 2020-09-30
• 公開（公告）號: CN111985584B
• 公開（公告）日: 2021-01-08
• 發明（設計）人: 孫瑜堯;李映雪
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G16H10/60;G16H30/00;G16H50/20;G16H50/30;G16H50/50;G16H50/70
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強

1.一種基于多模態數據的疾病輔助檢測設備，其特征在于，所述設備包括：存儲器和處理器；

所述存儲器，用于存儲程序指令；

所述處理器，用于調用所述程序指令，當所述程序指令被執行時，用于執行以下操作：

獲取待檢測對象針對目標部位的核磁共振設備檢查得到的特征圖像，其中，所述特征圖像包括多個子序列，每個子序列包括多個子特征圖像；

從所述特征圖像中的多個子序列中選取多個目標子序列，并對所述多個目標子序列中的每個目標子序列中的每個子特征圖像進行預處理；

將所述預處理得到的每個子特征圖像對應的圖像數據輸入訓練得到的第一風險預測模型中，得到所述待檢測對象患與所述目標部位關聯的疾病的第一風險概率；

獲取所述待檢測對象的臨床結構化數據，并將所述待檢測對象患與所述目標部位關聯的疾病的第一風險概率和所述臨床結構化數據作為預測因子輸入第二風險預測模型，得到所述待檢測對象患與所述目標部位關聯的疾病的第二風險概率。

2.根據權利要求1所述的設備，其特征在于，所述處理器從所述特征圖像中的多個子序列中選取多個目標子序列時，具體用于：

獲取所述特征圖像中的多個子序列；

根據與所述目標部位關聯的疾病的特點從所述特征圖像中的多個子序列中選取多個目標子序列，其中，每個目標子序列包括多個子特征圖像。

3.根據權利要求2所述的設備，其特征在于，所述處理器對所述多個目標子序列中的每個目標子序列中的每個子特征圖像進行預處理時，具體用于：

根據預設尺寸利用線性插值方法對所述多個目標子序列中的每個目標子序列的子特征圖像進行裁剪處理；

對裁剪處理得到的每個目標子序列的子特征圖像進行歸一化處理。

4.根據權利要求1所述的設備，其特征在于，所述處理器將所述預處理得到的每個子特征圖像對應的圖像數據輸入訓練得到的第一風險預測模型中之前，還用于：

獲取訓練集中的樣本特征圖像，其中，所述樣本特征圖像為患有與所述目標部位關聯的疾病的患者對象針對目標部位的核磁共振設備檢查得到的特征圖像；

對所述樣本特征圖像添加標簽信息，其中，所述標簽信息包括患病標簽和患病時長標簽；

從所述添加標簽信息的樣本特征圖像的多個子序列中選取多個目標子序列，并對從所述樣本特征圖像中選取的所述多個目標子序列中的每個目標子序列中的每個子樣本特征圖像進行預處理；

將所述預處理得到的每個子樣本特征圖像對應的圖像數據輸入指定的卷積神經網絡模型，訓練得到所述第一風險預測模型。

5.根據權利要求4所述的設備，其特征在于，所述處理器將所述預處理得到的每個子樣本特征圖像對應的圖像數據輸入指定的卷積神經網絡模型，訓練得到所述第一風險預測模型時，具體用于：

將所述預處理得到的每個子樣本特征圖像對應的圖像數據輸入指定的卷積神經網絡模型中，得到所述每個子樣本特征圖像對應的卷積特征向量；

將得到的所述每個子樣本特征圖像對應的卷積特征向量進行拼接處理，得到目標特征向量；

根據所述目標特征向量確定所述患者對象患與所述目標部位關聯的疾病的風險評估概率；

根據所述風險評估概率和所述樣本特征圖像的標簽信息訓練所述指定的卷積神經網絡模型，得到所述第一風險預測模型。

6.根據權利要求5所述的設備，其特征在于，所述處理器根據所述風險評估概率和所述樣本特征圖像的標簽信息訓練所述指定的卷積神經網絡模型，得到所述第一風險預測模型時，具體用于：

根據所述風險評估概率和所述樣本特征圖像的標簽信息確定損失函數值；

根據所述損失函數值對所述指定的卷積神經網絡模型的參數進行調整，并在調整參數后重新訓練所述指定的卷積神經網絡模型，得到所述第一風險預測模型。