[發明專利]基于乳腺結構化報告的智能化診斷評估方法

在審

• 申請號: 202110332787.1
• 申請日: 2021-03-29
• 公開（公告）號: CN113159134A
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 李文杰;陳峰;李明;陳洋;王振平;簡剛;唐武斌
• 申請（專利權）人: 寧波市科技園區明天醫網科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G16H15/00;G16H50/20;G06N3/04;G06N3/08
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 唐迅

1.一種基于乳腺結構化報告的智能化診斷評估方法，它的特征是包括使用選擇性多模態長短期神經網絡模型，在放射信息系統的服務器端和用戶終端上實現下述操作步驟：

a.用戶在用戶終端輸入由文本組成的乳腺結構化報告，該乳腺結構化報告為用戶依據患者檢查生成的醫學影像而編寫的內容，醫學影像存儲在PACS系統的服務器上；

b.乳腺結構化報告的文本被傳輸至放射信息系統的服務器，服務器采用基于病灶術語庫的分詞算法對文本信息進行分割編碼，得到輸入文本關鍵信息；

c.放射信息系統服務器端程序自動調取乳腺結構化報告編寫時所依據的醫學影像；

d.放射信息系統服務器端程序將醫學影像的圖像數據和依照分詞前語句順序排列的輸入文本關鍵信息輸入選擇性多模態長短期神經網絡模型中，計算各輸入文本關鍵信息與醫學影像的圖像數據的相似度；

e.將計算得到的相似度與放射信息系統服務器端程序中預設的閾值相比較，當相似度低于閾值時，則通過用戶終端提醒用戶步驟a中輸入的乳腺結構化報告存在問題。

2.根據權利要求1所述的基于乳腺結構化報告的智能化診斷評估方法，其特征是步驟b中基于病灶術語庫的分詞算法采用jieba作為中文分詞詞庫，分詞詞庫中設定有以用戶編寫的醫學術語為內容的自定義醫學詞庫。

3.根據權利要求1或2所述的基于乳腺結構化報告的智能化診斷評估方法，其特征是所述選擇性多模態長短期神經網絡模型包括有數據對象信息提取模塊、感知顯著性預測模塊以及相似度計算模塊，所述數據對象信息提取模塊包括雙向長短期記憶網絡和卷積神經網絡，所述感知顯著性模塊內設有通過多層感知機實現的注意力機制，所述相似度計算模塊通過局部相似度計算多層感知機、長短期記憶網絡以及相似度評分感知機實現。

4.根據權利要求1或2所述的基于乳腺結構化報告的智能化診斷評估方法，其特征是選擇性多模態長短期神經網絡模型的采用過去檢查生成的醫學影像的圖像數據和對應的乳腺結構化報告文本作為模型的訓練集、測試集和驗證集，將訓練集、測試集和驗證集的訓練數據中的所述已有的乳腺圖像結構化報告文本預先采用步驟b中基于病灶術語庫的分詞算法進行分詞編碼為訓練用文本關鍵信息，同時將訓練集中的圖像數據與訓練用文本關鍵信息數據中匹配和不匹配的數據比例設置為1:3，從而得到可以用于輸入選擇性多模態長短期神經網絡模型的訓練數據；將訓練數據輸入選擇性多模態長短期神經網絡模型后，計算得到圖像數據與訓練用文本關鍵信息的匹配度，通過反饋學習，在前述匹配度達到95％后停止對選擇性多模態長短期神經網絡模型的訓練。

5.根據權利要求4所述的基于乳腺結構化報告的智能化診斷評估方法，其特征是對選擇性多模態長短期神經網絡模型的訓練采用的GPU為Titan RTX 24G VRAM。

6.根據權利要求4所述的基于乳腺結構化報告的智能化診斷評估方法，其特征是所述基于病灶術語庫的分詞算法，其分詞的最大長度設置為100，分詞時文本不足的部分用數字0補齊。

7.根據權利要求4所述的基于乳腺結構化報告的智能化診斷評估方法，其特征是在停止對選擇性多模態長短期神經網絡模型的訓練后，采用測試集的數據對模型進行測試。

8.根據權利要求1或2所述的基于乳腺結構化報告的智能化診斷評估方法，其特征是步驟e中所述閾值為0.9。

9.根據權利要求4所述的基于乳腺結構化報告的智能化診斷評估方法，其特征是服務器收到用戶發出的誤報信息，即選擇性多模態長短期神經網絡模型對輸入文本關鍵信息和圖像順序的相似度計算有誤時，服務器將導致誤報的圖像數據和輸入文本關鍵信息添加到所述訓練數據中，對選擇性多模態長短期神經網絡模型進行調整訓練。