【技术实现步骤摘要】
一种基于信息融合的分类方法、装置及设备
[0001]本说明书涉及医学影像及计算机
,尤其涉及一种基于信息融合的分类方法、装置及设备。
技术介绍
[0002]临床诊断过程中很多疾病往往有病因等层面的关联,使得其联合发病概率较高形成一种临床先验经验。例如,膝关节MRI场景中也存在类似情况,比如半月板损伤、骨挫伤和前交叉韧带损伤就有很强的关联性。这是因为膝关节中最常见的损伤是运动损伤,膝关节整体作为一个运动关节的同时承受了相当部分的身体重量,损伤多数出现在关节扭动、剧烈碰撞等情况下,该情况下往往会伴随多个部位损伤的情况,所以临床大夫在观察到一种损伤情况的同时也会着重观察其他相关联部位的损伤。
[0003]现有技术中,对疾病的诊断,一般利用一个部位的信息进行诊断分析,而无法完成多个部位信息的融合,导致诊断结果的准确性差、可信度低,参考价值不大。
[0004]基于此,需要一种基于信息融合的分类方法。
技术实现思路
[0005]本说明书实施例提供一种基于信息融合的分类方法、装置及设备,用于解决以下技术问题:现有技术中,无法完成多个部位信息的融合,导致诊断结果的准确性差、可信度低,参考价值不大。
[0006]为解决上述技术问题,本说明书实施例是这样实现的:
[0007]本说明书实施例提供的一种基于信息融合的分类方法,该分类方法包括:
[0008]获取待处理的第一影像数据、待处理的第二影像数据及待处理的第三影像数据,所述第一影像数据为半月板的影像数据,所述第二影像数据为前 ...
【技术保护点】
【技术特征摘要】
1.一种基于信息融合的分类方法,其特征在于,所述分类方法包括:获取待处理的第一影像数据、待处理的第二影像数据及待处理的第三影像数据,所述第一影像数据为半月板的影像数据,所述第二影像数据为前交叉韧带的影像数据,所述第三影像数据为骨骼的影像数据;将所述待处理的第一影像数据、待处理的第二影像数据及待处理的第三影像数据分别输入至预设的第一特征提取模型、第二特征提取模型及第三特征提取模型,获得第一特征数据、第二特征数据及第三特征数据;将所述第一特征数据、所述第二特征数据及所述第三特征数据进行拼接,获得拼接特征数据;将所述拼接特征数据作为改造的transformer编码器的输入,获得所述改造的transformer编码器输出的融合特征数据;将所述改造的transformer编码器输出的融合特征数据分别输入预设的分类模型中,获得诊断结果,所述诊断结果包括半月板损伤分类结果及前交叉韧带损伤分类结果。2.如权利要求1所述的分类方法,其特征在于,所述获取待处理的第一影像数据、待处理的第二影像数据及待处理的第三影像数据,进一步包括:调整所述待处理的第一影像数据、待处理的第二影像数据及待处理的第三影像数据至预设影像尺寸。3.如权利要求1所述的分类方法,其特征在于,所述第一特征提取模型、所述第二特征提取模型及所述第三特征提取模型均为基于Resnet50网络生成的模型,所述第一特征提取模型、所述第二特征提取模型及所述第三特征提取模型的参数不共享。4.如权利要求1所述的分类方法,其特征在于,所述将所述拼接特征数据作为改造的transformer编码器的输入,获得所述改造的transformer编码器输出的融合特征数据;具体包括:所述改造的transformer编码器接收所述拼接特征数据后进行映射,获得所述半月板及所述前交叉韧带的Q向量,以及所述半月板、所述前交叉韧带及所述骨骼共享的K向量及V向量;基于所述Q向量、所述K向量及所述V向量进行自注意力计算,获得所述改造的transformer编码器输出的融合特征数据。5.如权利要求4所述的分类方法,其特征在于,所述Q向量的计算为:Q
acl
=wq
acl
*f
acl
Q
meniscus
=wq
meniscus
*f
meniscus
所述V向量的计算为:V=wv*[f
acl
,f
meniscus
,f
bone
]所述K向量的计算为:K=wk*[f
acl
,f
meniscus
,f
bone
]其中,Q
acl
为前交叉韧带的Q向量;wq
acl
为前交叉韧带的可学习权重矩阵;f
acl
为输入的前交叉韧带的特征;
Q
meniscus
为半月板的Q向量;wq
meniscus
为半月板的可学习权重矩阵;f
meniscus
为输入的半月板的特征;f
bone
为输入的骨骼的特征;wv为可学习权重矩阵;wk为可学习权重矩阵。6.如权利要求4所述的分类方法,其特征在于,所述基于所述Q向量、所述K向量及所述V向量进行自注意力计算,获得所述改造的transformer编码器输出的融合特征数据,具体包括:基于所述Q向量、所述K向量及所述V向量进行自注意力计算,获得自注意力模块输出的前交叉韧带的特征及所述注意力模块输出的半月板的特征;将所述输出的前交叉韧带的特征及所述输出的半月板的特征进行融合,获得所述改造的transformer编码器输出的融合特征数据。7.如权利要求6所述的分类方法,其特征在于,所述自注意力模块输出的前交叉韧带的特征的计算公式为:f
...
【专利技术属性】
技术研发人员:孙安澜,
申请(专利权)人:北京医准智能科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。