申请/专利权人:浙江大学
申请日:2023-04-26
公开(公告)日:2024-03-22
公开(公告)号:CN116612885B
主分类号:G16H50/30
分类号:G16H50/30;G16H50/20;G16H10/60;G16H50/70;G06F18/25;G06F18/27;G06F18/243;G06F18/214;G06F18/2415;G06V10/40;G06V10/82;G06N3/0464;G06N3/048;G06N3/08;G06V10/26
优先权:
专利状态码:有效-授权
法律状态:2024.03.22#授权;2023.09.05#实质审查的生效;2023.08.18#公开
摘要:本发明公开了一种基于多模态的慢性阻塞性肺病急性加重的预测装置,属于计算机辅助诊断技术领域,包括,引入了多模态建模方法,将呼吸科的结构化诊断、检查和检验数据和胸部CT影像的三维影像数据这两种模态的数据送入多基学习器模块、结构化数据分类模块、胸部CT影像分割模块、肺部分割影像特征提取模块、融合模块和预测模块,通过调整参数不断优化得到优化的慢性阻塞性肺病急性加重的预测系统,根据模态融合的特征信息进行预测。本发明应用于现实医学场景,能够减少各项繁复检查,仅使用患者个人信息数据、肺功能、血常规和胸部CT影像数据就能进行预测,提高慢性阻塞性肺病识别急性加重的效率,从而能有效地降低死亡风险。
主权项:1.一种基于多模态的慢性阻塞性肺病急性加重的预测装置,包括存储器和处理器,所述存储器用于存储计算机程序,其特征在于,所述处理器执行所述计算机程序时,实现以下步骤:将呼吸科患者的信息与诊疗数据、就诊数据、检查检验数据、个人信息数据、肺功能报告数据、血常规报告数据组成结构化数据,胸部CT影像数据为图像化数据;构建慢性阻塞性肺病急性加重的预测系统,包括多基学习器模块、结构化数据分类模块、胸部CT影像分割模块、肺部分割影像特征提取模块、融合模块和预测模块,其中多基学习器模块用于采用结构化数据对多个不同模型进行训练输出预测向量,结构化数据分类模块用于将多基学习器模块输出的预测向量作为训练集、测试集,对元模型进行训练测试和调整参数,得到优化的结构化数据分类模型和输出相应的预测概率值作为结构化数据的特征,胸部CT影像分割模块用于根据胸部CT影像数据使用3D卷积神经网络进行卷积池化操作,并通过训练测试和调整参数,得到优化的胸部CT影像分割模型及相应的肺部分割影像的CT数据,肺部分割影像特征提取模块用于根据肺部分割影像的CT数据提取肺部分割影像特征,融合模块用于将优化的结构化数据分类模型所提取的结构化数据的特征与优化的胸部CT影像分割模型输出的肺部分割影像的CT数据所提取的肺部分割影像特征输入到融合模块的融合层通过Concat操作进行融合拼接得到模态融合的特征信息,预测模块用于根据模态融合的特征信息采用ReLU激活函数进行慢性阻塞性肺病急性加重的预测,并通过训练调整参数不断优化,得到优化的慢性阻塞性肺病急性加重的预测系统;利用参数优化的慢性阻塞性肺病急性加重的预测系统进行慢性阻塞性肺病急性加重的预测。
全文数据:
权利要求:
百度查询: 浙江大学 一种基于多模态的慢性阻塞性肺病急性加重的预测装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。