[發(fā)明專利]一種基于深度學(xué)習(xí)的阿基米德螺旋圖數(shù)據(jù)處理方法及設(shè)備

在審

• 申請?zhí)枺?/td>: 202310114729.0
• 申請日: 2023-02-13
• 公開（公告）號: CN116153500A
• 公開（公告）日: 2023-05-23
• 發(fā)明（設(shè)計）人: 江文靜;劉建鑫;李海云;馬俊
• 申請（專利權(quán)）人: 山東大學(xué)齊魯醫(yī)院
• 主分類號: G16H50/20
• 分類號: G16H50/20;A61B5/00;G06F18/214;G06F18/24;G06N3/0464;G06N3/048;G06N3/08
• 代理公司: 北京君慧知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11716
• 代理人: 董延麗

1.一種基于深度學(xué)習(xí)的阿基米德螺旋圖數(shù)據(jù)處理方法，其特征在于，所述方法包括：

基于卷積神經(jīng)網(wǎng)絡(luò)，搭建螺旋圖數(shù)據(jù)分析模型；

對預(yù)先采集的批量訓(xùn)練數(shù)據(jù)進(jìn)行對齊操作，得到訓(xùn)練集，并通過所述訓(xùn)練集訓(xùn)練所述螺旋圖數(shù)據(jù)分析模型；

通過數(shù)據(jù)采集設(shè)備，采集患者繪制螺旋圖產(chǎn)生的原始螺旋圖數(shù)據(jù)；

對所述原始螺旋圖數(shù)據(jù)進(jìn)行預(yù)處理，得到標(biāo)準(zhǔn)螺旋圖數(shù)據(jù)；

將所述標(biāo)準(zhǔn)螺旋圖數(shù)據(jù)輸入訓(xùn)練好的所述螺旋圖數(shù)據(jù)分析模型，得到所述患者的輔助診斷結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的阿基米德螺旋圖數(shù)據(jù)處理方法，其特征在于，基于卷積神經(jīng)網(wǎng)絡(luò)，搭建螺旋圖數(shù)據(jù)分析模型，具體包括：

將一個一維卷積層、一個一維批歸一化層以及一個一維最大池化層構(gòu)建為輸入層；

將一個一維卷積層、一個一維批歸一化層、一個激活函數(shù)以及一個最大池化層組成一個基礎(chǔ)卷積塊，并將五個所述基礎(chǔ)卷積塊依次連接，構(gòu)建卷積池化層；

將一個卷積層以及一個自適應(yīng)平均池化層構(gòu)建為自適應(yīng)平均池化層；

將兩個全連接層以及一個隨機(jī)失活層構(gòu)建為分類層；

將所述輸入層、所述卷積池化層、所述自適應(yīng)平均池化層以及所述分類層依次連接，構(gòu)成所述螺旋圖數(shù)據(jù)分析模型。

3.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的阿基米德螺旋圖數(shù)據(jù)處理方法，其特征在于，對預(yù)先采集的批量訓(xùn)練數(shù)據(jù)進(jìn)行對齊操作，得到訓(xùn)練集，具體包括：

針對不同的病癥標(biāo)簽，分別采集對應(yīng)的批量螺旋圖數(shù)據(jù)，得到所述批量訓(xùn)練數(shù)據(jù)；

確定所述批量訓(xùn)練數(shù)據(jù)中訓(xùn)練數(shù)據(jù)的最短數(shù)據(jù)長度；

將每條訓(xùn)練數(shù)據(jù)中，長度超過所述最短數(shù)據(jù)長度的部分統(tǒng)一進(jìn)行裁剪，完成所述對齊操作；

將裁剪后的訓(xùn)練數(shù)據(jù)存入所述訓(xùn)練集。

4.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的阿基米德螺旋圖數(shù)據(jù)處理方法，其特征在于，通過所述訓(xùn)練集訓(xùn)練所述螺旋圖數(shù)據(jù)分析模型，具體包括：

將所述訓(xùn)練集作為輸入數(shù)據(jù)，以所述訓(xùn)練集中每條訓(xùn)練數(shù)據(jù)的病癥標(biāo)簽為監(jiān)督信息，對所述螺旋圖數(shù)據(jù)分析模型進(jìn)行初步訓(xùn)練；

計算初步訓(xùn)練后的所述螺旋圖數(shù)據(jù)分析模型的交叉熵?fù)p失值；

在所述交叉熵?fù)p失值大于預(yù)設(shè)閾值的情況下，優(yōu)化所述螺旋圖數(shù)據(jù)分析模型的各參數(shù)權(quán)重，直至所述交叉熵?fù)p失值小于或等于所述預(yù)設(shè)閾值后，完成訓(xùn)練。

5.根據(jù)權(quán)利要求4所述的一種基于深度學(xué)習(xí)的阿基米德螺旋圖數(shù)據(jù)處理方法，其特征在于，計算初步訓(xùn)練后的所述螺旋圖數(shù)據(jù)分析模型的交叉熵?fù)p失值，具體包括：

根據(jù)交叉熵?fù)p失函數(shù)：計算所述螺旋圖數(shù)據(jù)分析模型的交叉熵?fù)p失值loss；

其中，K表示所述訓(xùn)練集中的病癥標(biāo)簽數(shù)量；N表示所述訓(xùn)練集中的樣本數(shù)量；y_i,k表示所述訓(xùn)練集中第i個樣本的病癥標(biāo)簽為第k個標(biāo)簽值；p_i,k表示第i個樣本預(yù)測為第k個標(biāo)簽值的概率。

6.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的阿基米德螺旋圖數(shù)據(jù)處理方法，其特征在于，通過數(shù)據(jù)采集設(shè)備，采集患者繪制螺旋圖產(chǎn)生的原始螺旋圖數(shù)據(jù)，具體包括：

通過數(shù)據(jù)采集設(shè)備，采集所述患者在觸控屏上繪制螺旋圖時產(chǎn)生的實(shí)時螺旋圖數(shù)據(jù)；其中，所述實(shí)時螺旋圖數(shù)據(jù)至少包括：點(diǎn)位坐標(biāo)、點(diǎn)位壓力值、壓感筆傾斜角度以及點(diǎn)位間隔時間和間隔距離；

根據(jù)每個點(diǎn)位與上一個點(diǎn)位之間的間隔時間以及間隔距離，計算每個點(diǎn)位的速度以及加速度；

將所述點(diǎn)位坐標(biāo)、點(diǎn)位壓力值、壓感筆傾斜角度、每個點(diǎn)位的速度及加速度，組合為所述原始螺旋圖數(shù)據(jù)。