[發明專利]病理數據的分析方法及裝置

在審

• 申請號: 202210037746.4
• 申請日: 2022-01-13
• 公開（公告）號: CN116487062A
• 公開（公告）日: 2023-07-25
• 發明（設計）人: 鄒旋;張振;吳永勝;衛蘭;劉亞飛;黃予;王碩佳;李曉雯;楊奕凡
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G16H50/80
• 分類號: G16H50/80;G16H50/70
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 王寧寧

本申請涉及計算機技術領域，提供一種病理數據的分析方法及裝置，采用多個疾病分析模型對待分析對象的目標病理數據進行分析。其中，每個疾病分析模型是基于目標區域內的全量病理數據訓練得到的，數據量較大，病癥較為全面，相對于使用小數據集，保證了訓練模型的準確性；并且，每個疾病分析模型采用不同的方法對目標病理數據進行分析，充分利用了目標病理數據中的目標病理特征，使得分析結果更加的準確，進而提高疾病防控的安全性。

技術領域

本申請涉及計算機技術領域，尤其涉及一種病理數據的分析方法及裝置。

背景技術

傳染病可以在短時間內使許多人發病，引起群體性發病，不僅會造成心理恐慌，還會導致人們的日常生活出現混亂。所以，傳染病必須及時進行控制。

一般來說，醫院在發現法定傳染病病例時具有上報的義務，但耽于繁瑣的上報流程，有些醫生可能會回避上報或者無法及時上報，導致疾病預防控制中心無法準確捕捉傳染病的真實發病情況。

目前，對傳染病進行分析研究時，主要利用指定醫院上報的病例數據，數據量較小，可能無法覆蓋各地區傳染病的病例，也可能無法覆蓋傳染病的全部病癥，因此，使用小數據集訓練的疾病分析模型，存在一定的局限性；并且，針對每一類傳染病，均使用一個模型(如決策樹、支持向量機等機器學習模型)進行分析。

這樣，模型分析過程使用的疾病特征較為固定，方法較為單一，而實際上隨著病情的發展，疾病特征可能發生變化，單一的模型可能無法準確的分析出傳染病，導致傳染病的防控不及時，威脅人們的生命健康。

發明內容

本申請實施例提供一種病理數據的分析方法及裝置，以提高傳染病分析的準確性，進而提高疾病防控的安全性。

一方面，本申請實施例提供了一種病理數據的分析方法，包括：

獲取待分析對象的目標病理數據；

基于已訓練的各個疾病分析模型，分別執行以下操作：通過一個疾病分析模型從所述目標病理數據中，提取出相應的病理特征集合，并基于所述病理特征集合，獲得所述一個疾病分析模型輸出的，所述待分析對象患有目標疾病的概率；其中，所述各個疾病分析模型使用的正訓練樣本和負訓練樣本為目標區域內的全量病理數據，不同疾病分析模型使用的正訓練樣本和負訓練樣本不同；

基于所述各個疾病分析模型各自輸出的概率，確定所述待分析對象患有所述目標疾病的分析結果。

另一方面，本申請實施例提供了一種病理數據的分析裝置，包括：

獲取模塊，用于獲取待分析對象的目標病理數據；

概率確定模型，用于基于已訓練的各個疾病分析模型，分別執行以下操作：通過一個疾病分析模型從所述目標病理數據中，提取出相應的病理特征集合，并基于所述病理特征集合，獲得所述一個疾病分析模型輸出的，所述待分析對象患有目標疾病的概率；其中，所述各個疾病分析模型使用的正訓練樣本和負訓練樣本為目標區域內的全量病理數據，不同疾病分析模型使用的正訓練樣本和負訓練樣本不同；

分析模塊，用于基于所述各個疾病分析模型各自輸出的概率，確定所述待分析對象患有所述目標疾病的分析結果。

可選的，所述各個疾病分析模型包括以下至少一種：

第一疾病分析模型，所述第一疾病分析模型是基于病理數據之間的相似程度進行病理分析的；

第二疾病分析模型，所述第二疾病分析模型是基于病理數據對應的多個預測概率進行病理分析的；其中，每個預測概率是通過所述第二疾病分析模型中的一個目標子模型獲得的；

第三疾病分析模型，所述第三疾病分析模型是基于病理數據對應的融合病理特征進行病理分析的。

可選的，所述一個疾病分析模型為所述第一疾病分析模型時，所述概率確定模塊具體用于：