用于进行氧疗预测的机器学习技术制造技术

公开了用于进行氧疗预测的机器学习技术，具体公开了用于至少部分地基于医学成像数据和临床元数据训练一个或更多个神经网络或使用这样训练的一个或更多个神经网络进行推理的装置、系统和技术。在至少一个实施例中，一个或更多个电路用于至少部分地基于医学成像数据和临床元数据来训练一个或更多个神经网络，以预测疑似患有或确认患有COVID

【技术实现步骤摘要】
用于进行氧疗预测的机器学习技术


[0001]至少一个实施例涉及机器学习技术，用于患有或疑似患有COVID
‑
19或其他各种疾病的患者的氧疗预测。例如，至少一个实施例涉及使用计算机断层扫描(CT)图像和临床元数据训练的一个或更多个神经网络，以预测患者的严重急性呼吸综合症冠状病毒2(SARS
‑
CoV
‑
2)或其他冠状病毒的疾病进展。

技术介绍

[0002]预测严重急性呼吸系统综合症冠状病毒2(SARS
‑
CoV
‑
2)或其他传染病患者的疾病进展是困难的。机器学习技术可用于更好地预测疾病进展。
附图说明
[0003]图1示出了根据至少一个实施例的计算环境，其中使用至少部分地基于医学成像数据和临床元数据训练的一个或更多个神经网络确定对患者的治疗；
[0004]图2示出了根据至少一个实施例的使用医学成像数据的深度学习管线的示例；
[0005]图3示出了根据至少一个实施例的使用医学成像数据和临床元数据训练一个或更多个神经网络的过程的说本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种处理器，包括：一个或更多个电路，用于使用至少部分地基于医学成像数据和临床元数据训练的一个或更多个神经网络来确定对患者的治疗。2.如权利要求1所述的处理器，其中所述一个或更多个神经网络至少通过以下步骤进行训练：基于针对多个图像确定的基于图像的治疗概率，确定合计的基于图像的治疗概率；归一化所述合计的基于图像的治疗概率和所述临床元数据，以获得要用于训练所述一个或更多个神经网络的所述至少一部分的多个输入特征；以及训练所述一个或更多个神经网络的至少一部分以获得权重集，所述权重集指示每个特征对确定所述治疗的影响有多大。3.如权利要求2所述的处理器，其中使用逻辑回归训练所述一个或更多个神经网络的至少一部分以生成所述治疗的输出。4.如权利要求3所述的处理器，其中所述输出是应该对所述患者给予所述治疗的概率。5.如权利要求2所述的处理器，其中预训练的分类网络被用于推理针对所述多个图像的所述治疗概率。6.如权利要求2所述的处理器，其中所述医学成像数据包括计算机断层摄影(CT)扫描，并且所述多个图像包括所述CT扫描的多个切片。7.如权利要求1所述的处理器，其中所述治疗是针对COVID
‑
19的治疗。8.一种系统，包括：一个或更多个处理器，用于使用至少部分地基于医学成像数据和临床元数据训练的一个或更多个神经网络来确定对患者的治疗。9.如权利要求8所述的系统，其中所述一个或更多个神经网络至少通过以下步骤进行训练：基于一个或更多个胸部计算机断层扫描(CT)图像确定对所述患者的基于图像的治疗概率；归一化所述基于图像的治疗概率和所述临床元数据，以获得将用于训练所述一个或更多个神经网络的至少一部分的多个输入特征；以及训练所述一个或更多个神经网络的所述至少一部分以获得权重集，所述权重集指示每个特征对确定所述治疗的影响有多大。10.如权利要求8所述的系统，其中所述临床元数据的至少一部分是在患者一进入医疗设施时从所述患者收集的。11.如权利要求8所述的系统，其中所述临床元数据包括多个实验室检查结果。12.如权利要求11所述的系统，其中所述多个实验室检查结果包括对患者的乳酸脱氢酶和C反应蛋白的水平的测量。13.如权利要求8所述的系统，其中所述患者被诊断患有一种类型的基于冠状病毒的传染病。14.一种机器可读介质，其上存储有一组指令，所述指令如果由一个或更多个处理器执行，则使所述一个或更多个处理器至少：使用至少部分地基于医学成像数据和临床元数据训练的一个或更多个神经网络来确定对患者的治疗。15.如权利要求14所述的机器可读介质，其中所述一个或更多个神经网络至少通过以下步骤进行训练：
基于多个图像的基于图像的治疗概率确定基于图像的治疗概率；以及训练所述一个或更多个神经网络的至少一部分以获得权重集，所述权重集指示所述多个图像和所述临床元数据对确定所述治疗的影响有多大。16.如权利要求15所述的机器可读介质，其中深度学习框架被用于从拍摄的所述患者的多个图像确定所述基于图像的治疗概率。17.如权利要求16所述的机器可读介质，其中所述深度学习框架利用基于EfficientNet的卷积神经网络来提取用于确定所述多个图像的基于图像的治疗概率的特征。18.如权利要求15所述的机器可读介质，其中所述一个或更多个神经网络使用多模态深度学习框架来学习所述权重集。19.如权利要求16所述的机器可读介质，其中所述多个图像和所述临床元数据用于识别对所述深度学习框架的多个归一化输入特征，所述多个归一化输入特征共享共同均值和方差。20.一种处理器，包括：一个或更多个电路，用于将一个或更多个神经网络训练为至少部分地基于医学成像数据和临床元数据来预测对患者的治疗。21.如权利要求20所述的处理器，其中...

【专利技术属性】
技术研发人员：徐大光，朱文涛，阮佩颖，杨栋，徐子乐，H，
申请(专利权)人：辉达公司，
类型：发明
国别省市：