[發明專利]多模態異構的醫學數據處理方法及相關裝置

在審

• 申請號: 202110485389.3
• 申請日: 2021-04-30
• 公開（公告）號: CN113284572A
• 公開（公告）日: 2021-08-20
• 發明（設計）人: 余躍;沈宏;胡必成
• 申請（專利權）人: 上海聯影智能醫療科技有限公司
• 主分類號: G16H10/60
• 分類號: G16H10/60;G16H50/20;G06N3/04
• 代理公司: 蘇州領躍知識產權代理有限公司 32370
• 代理人: 王寧

1.一種多模態異構的醫學數據處理方法，其特征在于，所述方法包括：

獲取待測對象的電子病歷，基于所述電子病歷，獲取所述待測對象與預設疾病的關聯度，當所述待測對象與所述預設疾病的關聯度不小于預設閾值時，確定所述待測對象作為感興趣對象；

獲取所述感興趣對象的醫學影像數據和臨床數據；

根據所述感興趣對象的醫學影像數據和臨床數據，獲取所述感興趣對象的最終預測結果。

2.根據權利要求1所述的多模態異構的醫學數據處理方法，其特征在于，所述根據所述感興趣對象的醫學影像數據和臨床數據，獲取所述感興趣對象的最終預測結果，包括：

對所述感興趣對象的醫學影像數據進行特征提取，得到影像特征；

對所述感興趣對象的臨床數據進行特征提取，得到臨床特征；

根據所述影像特征和所述臨床特征進行融合，得到融合特征，基于所述融合特征，獲取所述感興趣對象的針對所述預設疾病的最終預測結果。

3.根據權利要求2所述的多模態異構的醫學數據處理方法，其特征在于，所述感興趣對象的醫學影像數據包括多模態的醫學影像數據；

所述對所述感興趣對象的醫學影像數據進行特征提取，得到影像特征，包括：

對所述感興趣對象的醫學影像數據進行多模態數據融合，得到階段融合結果；

對所述階段融合結果進行特征提取，得到所述影像特征。

4.根據權利要求2所述的多模態異構的醫學數據處理方法，其特征在于，所述方法還包括：

基于所述影像特征，獲取所述感興趣對象的針對所述預設疾病的初次預測結果；

所述基于所述融合特征，獲取所述感興趣對象的針對所述預設疾病的最終預測結果，包括：

基于所述融合特征以及所述感興趣對象的針對所述預設疾病的初次預測結果，獲取所述感興趣對象的針對所述預設疾病的最終預測結果。

5.根據權利要求4所述的多模態異構的醫學數據處理方法，其特征在于，利用深度學習模型執行以下處理：對所述感興趣對象的醫學影像數據進行多模態數據融合，得到階段融合結果；對所述階段融合結果進行特征提取，得到所述影像特征；基于所述影像特征，獲取所述感興趣對象的針對所述預設疾病的初次預測結果；

利用機器學習模型執行以下處理：對所述感興趣對象的臨床數據進行特征提取，得到臨床特征；對所述影像特征和所述臨床特征進行融合，并對融合結果進行特征提取，得到融合特征，并基于所述融合特征以及所述感興趣對象的針對所述預設疾病的初次預測結果，獲取所述感興趣對象的針對所述預設疾病的最終預測結果。

6.根據權利要求5所述的多模態異構的醫學數據處理方法，其特征在于，所述獲取所述感興趣對象的醫學影像數據和臨床數據，包括：

從第一預設數據庫中獲取所述感興趣對象的醫學影像數據并存儲至消息隊列；

從第二預設數據庫中獲取批量數據，掃描所述批量數據，當掃描到所述感興趣對象的臨床數據時，將所述感興趣對象的臨床數據放入所述消息隊列；

利用所述消息隊列，將所述感興趣對象的醫學影像數據發送至所述深度學習模型，將所述感興趣對象的臨床數據發送至所述機器學習模型。

7.根據權利要求1所述的多模態異構的醫學數據處理方法，其特征在于，所述基于所述電子病歷，獲取所述待測對象與預設疾病的關聯度，包括：

獲取所述預設疾病對應的融合方案；

基于所述融合方案，確定所述預設疾病對應的關聯度計算策略以及所述預設閾值；

基于所述待測對象的電子病歷，通過語義網關，獲取至少一種特定字段及其字段值；

基于所述至少一種特定字段及其字段值以及所述關聯度計算策略，計算得到所述待測對象與所述預設疾病的關聯度。

8.根據權利要求1所述的多模態異構的醫學數據處理方法，其特征在于，所述方法還包括：

基于所述最終預測結果以及所述感興趣對象的電子病歷，生成所述感興趣對象對應的參考治療方案。