一种用于对住院时长的分布进行调整的方法和相关产品技术

本公开涉及一种用于对住院时长的分布进行调整的方法和相关产品。所述方法包括：获取多个肺炎患者的胸部CT图像和所述多个肺炎患者对应的住院时长；基于所述胸部CT图像获取与所述胸部CT图像相关的特征信息和影像信息；根据所述胸部CT图像、所述特征信息和所述影像信息获取所述胸部CT图像的最终特征；以及基于所述最终特征和所述对应的住院时长计算最优传输映射，以对住院时长的分布进行调整。利用本公开的方案，可以有效调整住院时长的分布，解决住院时长的分布不平衡的问题。决住院时长的分布不平衡的问题。决住院时长的分布不平衡的问题。

【技术实现步骤摘要】
一种用于对住院时长的分布进行调整的方法和相关产品


[0001]本公开一般地涉及长尾数据处理
更具体地，本公开涉及一种用于对住院时长的分布进行调整的方法、设备以及计算机可读存储介质。

技术介绍

[0002]自然采集的数据类别通常表现为长尾分布，即部分类别拥有大量的样本，而其余还有较多类别只有较少的样本量。在真实世界中，住院时长的分布就是典型长尾分布，直接应用则难以取得准确的结果。例如在对患者住院时长预测时难以获得准确的预测结果。目前，针对长尾分布的处理方式主要有重采样和数据增强技术。然而，对于重采样来说，大多数类重新平衡方法以牺牲头部类的性能为代价，提高了尾部类和整体的性能，但由于数据量有限，它基本上不能处理信息缺乏的问题，并且可能会尾部类过拟合。对于数据增强技术来说，简单地应用现存经典的、不考虑类别差异的数据增强技术到长尾学习任务中是有局限的，其可以使长尾学习的整体性能获得提升，但因为多数类的数据量更多，导致多数类的数据增强也更多，从而进一步加剧了类别不平衡问题。因此，如何有效解决住院时长的长尾分布成为亟需解决的技术问题。

技术实现思路

[0003]为了至少部分地解决
技术介绍
中提到的技术问题，本公开的方案提供了一种用于对住院时长的分布进行调整的方案。利用本公开的方案，可以有效地调整住院时长的分布，从而解决分布不平衡的问题。为此，本公开在如下的多个方面提供解决方案。
[0004]在第一方面，本公开提供一种用于对住院时长的分布进行调整的方法，包括：获取多个肺炎患者的胸部CT图像和所述多个肺炎患者对应的住院时长；基于所述胸部CT图像获取与所述胸部CT图像相关的特征信息和影像信息；根据所述胸部CT图像、所述特征信息和所述影像信息获取所述胸部CT图像的最终特征；以及基于所述最终特征和所述对应的住院时长计算最优传输映射，以对住院时长的分布进行调整。
[0005]在一个实施例中，其中所述特征信息与肺部区域的特征相关并且所述特征信息至少包括高斯曲率、平均曲率和/或里奇曲率，所述影像信息至少包括所述胸部CT图像中与肌肉和腹部脂肪相关的影像信息、与椎体骨质相关的影像信息以及与肝脏、心血管和甲状腺相关的影像信息。
[0006]在另一个实施例中，其中根据所述胸部CT图像、所述特征信息和所述影像信息获取所述胸部CT图像的最终特征包括：利用特征提取模块分别对所述胸部CT图像和所述特征信息执行特征提取操作，以获得二者对应的中间特征；利用融合模块对所述对应的中间特征执行所述特征融合操作，以获得所述胸部CT图像的初始特征；以及将所述初始特征与所述影像信息进行拼接来获取所述胸部CT图像的最终特征。
[0007]在又一个实施例中，其中所述特征提取模块包括多个卷积层和多个池化层，并且其中利用特征提取模块分别对所述胸部CT图像和所述特征信息执行特征提取操作，以获得
二者对应的中间特征包括：利用所述特征提取模块中的多个所述卷积层和多个所述池化层对所述胸部CT图像执行多次特征提取操作，以获得多个第一中间特征；以及利用所述特征提取模块中的多个所述卷积层和多个所述池化层对所述特征信息执行多次特征提取操作，以获得多个第二中间特征。
[0008]在又一个实施例中，其中所述融合模块包括多个，并且其中利用融合模块对所述对应的中间特征执行所述特征融合操作，以获得所述胸部CT 图像的初始特征包括：从所述多个第一中间特征和所述多个第二中间特征中分别选择多个第一目标中间特征和多个第二目标中间特征；利用多个所述融合模块依次对相应第一目标中间特征、相应第二目标中间特征执行特征融合操作来获取相应融合结果，并且将所述相应融合结果输入至下一个融合模块；利用下一个融合模块对上一个融合模块的融合结果、相应第一目标中间特征、相应第二目标中间特征执行下一次特征融合操作，直至获得最后一个融合模块的融合结果；以及将所述最后一个融合模块的融合结果作为胸部CT图像的初始特征。
[0009]在又一个实施例中，其中基于所述最终特征和所述对应的住院时长计算最优传输映射，以对住院时长的分布进行调整包括：利用分类模块对所述最终特征进行分类并且获取所述分类模块的权重；以及在所述最终特征的特征空间内基于所述对应的住院时长和所述分类模块的权重计算最优传输映射，以对住院时长的分布进行调整。
[0010]在又一个实施例中，其中所述最终特征的特征空间内基于所述对应的住院时长和所述分类模块的权重计算最优传输映射，以对住院时长的分布进行调整包括：将所述最终特征设为源域内的点并且将所述分类模块的权重设为目标点；统计所述肺炎患者的住院时长的频数；根据所述频数调整所述目标点的测度，以获得调整后的目标点的测度；以及基于所述源域内的点、所述目标点和所述调整后的目标点的测度计算最优传输映射，以对住院时长的分布进行调整。
[0011]在又一个实施例中，其中根据所述频数调整所述目标点的测度包括：基于以下公式来调整所述目标点的测度：
[0012][0013]其中，v
j
表示所述调整后的目标点的测度，n
j
表示所述频数，K表示分布种类的个数。
[0014]在第二方面，本公开还提供一种用于对住院时长的分布进行调整的设备，包括：处理器；以及存储器，其存储有用于对住院时长的分布进行调整的程序指令，当所述程序指令由所述处理器执行时，使得所述设备前述多个实施例。
[0015]在第三方面，本公开还提供一种计算机可读存储介质，其上存储有用于对住院时长的分布进行调整的计算机可读指令，该计算机可读指令被一个或多个处理器执行时，实现前述多个实施例。
[0016]通过本公开的方案，通过基于胸部CT图像、特征信息和影像信息获取最终特征，并根据最终特征和住院时长计算最优传输映射来对住院时长的分布进行调整。也即，通过最优传输映射来调整住院时长的分布，能够有效解决住院时长的分布不平衡的问题。基于调
整后的住院时长的分布，后续可以应用于例如预测肺炎患者的住院时长，并且能够获得准确的预测结果，便于在医疗资源的配置和使用方面提供参考依据。
附图说明
[0017]通过参考附图阅读下文的详细描述，本公开示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本公开的若干实施方式，并且相同或对应的标号表示相同或对应的部分其中：
[0018]图1是示出根据本公开实施例的用于对住院时长的分布进行调整的方法的示例性流程框图；
[0019]图2是示出根据本公开实施例的根据胸部CT图像、特征信息和影像信息获取胸部CT图像的最终特征的示例性结构框图；
[0020]图3是示出根据本公开实施例的获得胸部CT图像的初始特征的示例性结构框图；
[0021]图4是示出根据本公开实施例的对住院时长的分布进行调整的示例性流程框图；
[0022]图5是示出根据本公开实施例的住院时长的分布调整前、后的示例性示意图；
[0023]图6是示出根据本公开实施例的用于对住院时长的分布进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于对住院时长的分布进行调整的方法，包括：获取多个肺炎患者的胸部CT图像和所述多个肺炎患者对应的住院时长；基于所述胸部CT图像获取与所述胸部CT图像相关的特征信息和影像信息；根据所述胸部CT图像、所述特征信息和所述影像信息获取所述胸部CT图像的最终特征；以及基于所述最终特征和所述对应的住院时长计算最优传输映射，以对住院时长的分布进行调整。2.根据权利要求1所述的方法，其中所述特征信息与肺部区域的特征相关并且所述特征信息至少包括高斯曲率、平均曲率和/或里奇曲率，所述影像信息至少包括所述胸部CT图像中与肌肉和腹部脂肪相关的影像信息、与椎体骨质相关的影像信息以及与肝脏、心血管和甲状腺相关的影像信息。3.根据权利要求2所述的方法，其中根据所述胸部CT图像、所述特征信息和所述影像信息获取所述胸部CT图像的最终特征包括：利用特征提取模块分别对所述胸部CT图像和所述特征信息执行特征提取操作，以获得二者对应的中间特征；利用融合模块对所述对应的中间特征执行所述特征融合操作，以获得所述胸部CT图像的初始特征；以及将所述初始特征与所述影像信息进行拼接来获取所述胸部CT图像的最终特征。4.根据权利要求3所述的方法，其中所述特征提取模块包括多个卷积层和多个池化层，并且其中利用特征提取模块分别对所述胸部CT图像和所述特征信息执行特征提取操作，以获得二者对应的中间特征包括：利用所述特征提取模块中的多个所述卷积层和多个所述池化层对所述胸部CT图像执行多次特征提取操作，以获得多个第一中间特征；以及利用所述特征提取模块中的多个所述卷积层和多个所述池化层对所述特征信息执行多次特征提取操作，以获得多个第二中间特征。5.根据权利要求4所述的方法，其中所述融合模块包括多个，并且其中利用融合模块对所述对应的中间特征执行所述特征融合操作，以获得所述胸部CT图像的初始特征包括：从所述多个第一中间特征和所述多个第二中间特征中分别选择多个第一目标中间特征和多个第二目标中间特征；利用多个所述融合模块依次对相应第一目标中间特征、相应第二目标...

【专利技术属性】
技术研发人员：雷娜，王振常，任玉雪，陈伟，金连宝，魏璇，吕晗，李维，吴伯阳，
申请(专利权)人：首都医科大学附属北京友谊医院首都师范大学北京智拓视界科技有限责任公司，
类型：发明
国别省市：