本申请公开了医学数据处理装置、方法及分类模型训练装置。该装置中，第一获取模块获取不同模态的多个医学数据。第一处理模块对多个医学数据进行特征聚类处理，以得到目标特征数据，其中，目标特征数据为反映肝病的指标数据。第一确定模块基于目标特征数据、以及目标特征数据与肝病类型之间的预设映射关系，确定目标特征数据对应的多个待选肝病分类结果。第一融合模块对多个待选肝病分类结果进行融合，获得与多个医学数据相对应的目标分类结果。即将不同模态且相关性较高的多个医学数据聚合起来，确定多个待选肝病分类结果，并融合多个待选肝病分类结果以确定出目标分类结果，提高肝病类型的评估结果的准确性，辅助医生完成对肝病类型的评估。型的评估。型的评估。
【技术实现步骤摘要】
医学数据处理装置、方法及分类模型训练装置
[0001]本申请属于数据处理
，尤其涉及医学数据处理装置、方法及分类模型训练装置。
技术介绍
[0002]随着人工智能、以及医疗大数据挖掘等技术的发展，人工智能技术在医疗保健领域中发挥越来越重要的作用，利用人工智能技术对医学数据进行处理，以辅助专家分析医学数据。然而，由于医疗领域的信息是庞大且繁杂的，信息的来源、模态与维度存在诸多的不同，不同种类的信息形成了一定的隔离，难以高效统一，无法直接对多模态的多个医学数据进行处理，目前传统的医学数据处理方法一般对单一来源数据进行分析处理。
[0003]然而，多来源数据既互补又重叠，能够从特定的角度为临床数据挖掘任务提供患者宏观层面和微观层面的信息，可以提高对肝病类型的评估准确性并辅助个性化医疗决策。因此，有待提出一种新的解决方案。
技术实现思路
[0004]有鉴于此，本申请提供一种解决或部分解决上述技术问题的医学数据处理装置、方法及分类模型训练装置。
[0005]第一方面，本申请实施例提供一种医学数据处理装置，该装置包括：
[0006]第一获取模块，用于获取不同模态的多个医学数据；
[0007]第一处理模块，用于对所述多个医学数据进行特征聚类处理，以得到目标特征数据，所述目标特征数据为反映肝病的指标数据；
[0008]第一确定模块，用于基于所述目标特征数据、以及所述目标特征数据与肝病类型之间的映射关系，确定所述目标特征数据对应的多个待选肝病分类结果；
[0009]第一融合模块，用于对所述多个待选肝病分类结果进行融合，获得与所述多个医学数据相对应的目标分类结果。
[0010]第二方面，本申请实施例提供一种医学数据处理，方法包括：
[0011]获取不同模态的多个医学数据；
[0012]对所述多个医学数据进行特征聚类处理，以得到目标特征数据，所述目标特征数据为反映肝病的指标数据；
[0013]基于所述目标特征数据、以及所述目标特征数据与肝病类型之间的映射关系，确定所述目标特征数据对应的多个待选肝病分类结果；
[0014]对所述多个待选肝病分类结果进行融合，获得与所述多个医学数据相对应的目标分类结果。
[0015]第三方面，本申请实施例提供一种分类模型的训练装置，包括：
[0016]第二获取模块，用于获取不同模态的多个医学数据样本、与所述多个医学数据样本对应的肝病分类结果样本；
[0017]第二提取模块，用于从所述多个医学数据样本中提取多个特征数据；
[0018]第二处理模块，用于对所述多个特征数据进行特征聚类处理，以得到目标特征数据，所述目标特征数据为反映肝病的指标数据；
[0019]第二确定模块，用于基于所述目标特征数据、以及预先标注的所述目标特征数据样本与肝病类型之间的映射关系，确定所述目标特征数据对应的多个待选肝病分类结果；
[0020]第二融合模块，用于对所述多个肝病分类结果进行融合，获得与所述多个医学数据相对应的目标分类结果；
[0021]第二生成模块，用于判断所述目标分类结果与所述多个医学数据样本对应的肝病分类结果样本的一致性，在所述目标分类结果与肝病分类结果样本的一致性大于或等于预设阈值时，则生成肝病分类模型。
[0022]第四方面，本申请实施例提供一种分类模型的训练方法，包括：
[0023]获取不同模态的多个医学数据样本、与所述多个医学数据样本对应的肝病分类结果样本；
[0024]从所述多个医学数据样本中提取多个特征数据；
[0025]对所述多个特征数据样本进行特征聚类处理，以得到目标特征数据，所述目标特征数据为反映肝病的指标数据；
[0026]基于所述目标特征数据、以及预先标注的所述目标特征数据与肝病类型之间的映射关系，确定所述目标特征数据对应的多个肝病分类结果；
[0027]对所述多个肝病分类结果进行融合，获得与所述多个医学数据相对应的目标分类结果；
[0028]判断所述目标分类结果与所述多个医学数据样本对应的肝病分类结果样本的一致性，在所述目标分类结果与肝病分类结果样本的一致性大于或等于预设阈值时，则生成肝病分类模型。
[0029]第五方面，本申请实施例提供一种电子设备，包括：存储器及处理器；其中，
[0030]存储器，用于存储程序；
[0031]处理器，与存储器耦合，用于执行存储器中存储的程序，以用于：
[0032]获取不同模态的多个医学数据：
[0033]对所述多个医学数据进行特征聚类处理，以得到目标特征数据，所述目标特征数据为反映肝病的指标数据；
[0034]基于所述目标特征数据、以及所述目标特征数据与肝病类型之间的映射关系，确定所述目标特征数据对应的多个待选肝病分类结果；
[0035]对所述多个待选肝病分类结果进行融合，获得与所述多个医学数据相对应的目标分类结果。
[0036]第六方面，本申请实施例提供一种计算机存储介质，用于储存计算机程序，计算机程序使计算机执行时实现如下方法：
[0037]获取不同模态的多个医学数据：
[0038]对所述多个医学数据进行特征聚类处理，以得到目标特征数据，所述目标特征数据为反映肝病的指标数据；
[0039]基于所述目标特征数据、以及所述目标特征数据与肝病类型之间的映射关系，确
定所述目标特征数据对应的多个待选肝病分类结果；
[0040]对所述多个待选肝病分类结果进行融合，获得与所述多个医学数据相对应的目标分类结果。
[0041]本申请实施例提供的方案通过第一获取模块获取不同模态的多个医学数据。然后，第一处理模块对多个医学数据进行特征聚类处理，以得到目标特征数据，其中，目标特征数据为反映肝病的指标数据。接着，第一确定模块基于目标特征数据、以及目标特征数据与肝病类型之间的预设映射关系，确定目标特征数据对应的多个待选肝病分类结果。最后，第一融合模块对多个待选肝病分类结果进行融合，获得与多个医学数据相对应的目标分类结果。
[0042]本申请技术方案中，通过对不同模态的多个医学数据进行特征聚类，不仅可以打破不同模态数据之间的隔离，将不同模态且相关性较高的多个医学数据聚合起来，还可以选取出与肝病相关性较高的目标特征数据，以达到筛选指标数据的目的，从而提高医学数据处理速度。另外，通过选取出的目标特征数据、以及目标特征数据与肝病类型之间的预设映射关系，确定目标特征数据对应的多个待选肝病分类结果，并融合多个待选肝病分类结果以确定出目标分类结果，可以降低分类结果的误差，准确地识别出与多个医学数据相对应的肝病类型，提高了肝病类型的评估结果的准确性，辅助医生完成对肝病类型的评估。
附图说明
[0043]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种医学数据处理装置，其特征在于，包括：第一获取模块，用于获取不同模态的多个医学数据；第一处理模块，用于对所述多个医学数据进行特征聚类处理，以得到目标特征数据，所述目标特征数据为反映肝病的指标数据；第一确定模块，用于基于所述目标特征数据、以及所述目标特征数据与肝病类型之间的映射关系，确定所述目标特征数据对应的多个待选肝病分类结果；第一融合模块，用于对所述多个待选肝病分类结果进行融合，获得与所述多个医学数据相对应的目标分类结果。2.根据权利要求1所述的装置，其特征在于，所述多个医学数据包括以下至少之一：实验室检查数据、病史信息、体格检查数据、影像数据、药物治疗数据、手术治疗数据、放化疗数据。3.根据权利要求2所述的装置，其特征在于，所述第一处理模块对所述多个医学数据进行特征聚类处理，以得到目标特征数据，具体用于：从所述多个医学数据中提取多个特征数据；利用模糊聚类算法，对所述多个特征数据进行特征聚类处理，以获得聚类结果；根据所述聚类结果，确定目标特征数据。4.根据权利要求3所述的装置，其特征在于，所述多个医学数据包括：实验室检查数据、体格检查数据、影像数据；所述实验室检查数据包括：血常规数据、肝功能检查数据、肿瘤标志物数据，所述影像数据包括：CT图像、核磁共振图像；所述第一处理模块从所述多个医学数据中提取多个特征数据时，具体用于：基于所述血常规数据提取对应的红细胞计数、血红蛋白、白细胞、白细胞分类计数及血小板转氨酶；基于所述肝功能检查数据提取对应的总蛋白、白蛋白、球蛋白以及胆红素；基于所述肿瘤标志物数据提取对应的胚胎抗原、糖类标志物；基于所述体格检查数据提取对应的心率、体温、收缩压、舒张压、平均动脉压、呼吸率、血氧饱和度和葡萄糖；基于所述CT图像提取对应的病变区域；基于所述核磁共振图像提取对应的感兴趣区域的灰度特征、纹理特征、形状特征。5.根据权利要求1所述的装置，其特征在于，所述第一确定模块基于所述目标特征数据、以及所述目标特征数据与肝病类型之间的预设映射关系，确定所述目标特征数据对应的多个待选肝病分类结果时，具体用于：分别将所述目标特征数据输入至预先训练的多个BP神经网络模型，以利用所述BP神经网络模型获得与所述目标特征数据对应的待选肝病分类结果，其中，所述BP神经网络模型被训练为用于确定待选肝病分类结果。6.根据权利要求1所述的装置，其特征在于，所述第一融合模块对所述多个待选肝病分类结果进行融合，获得与所述多个医学数据相对应的目标分类结果时，具体用于：基于DS证据理论，对所述多个待选肝病分类结果进行融合，获得融合后的目标分类结果。7.根据权利要求6所述的装置，其特征在于，...
【专利技术属性】
技术研发人员：任鹏玲，尹红霞，王振常，赵新颜，胡艳军，牛宇翔，吕婷婷，骆敏，张友书，
申请(专利权)人：北京雅丁信息技术有限公司，
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。