基于深度学习的CT报告处理方法、装置、设备及介质制造方法及图纸

本发明专利技术提供了基于深度学习的CT报告处理方法、装置、设备及介质，其方法包括：获取训练数据集，将所述训练数据集输入初始训练模型，得到最终训练模型；从所述训练数据集中选取候选数据集，对所述候选数据集进行标注，得到标注数据集；将所述标注数据集输入提取器，通过所述提取器对所述标注数据集进行关键词提取，得到提取数据；将所述提取数据输入分类器，通过所述分类器对所述提取数据进行分类计算，得到分类数据；将所述分类数据输入所述最终训练模型，将所述最终训练模型的输出结果作为标准CT报告文本，所述标准CT报告文本包括疾病官方名称。本申请可以将CT报告文本进行标准化处理，方便CT报告的理解和整理。方便CT报告的理解和整理。方便CT报告的理解和整理。

【技术实现步骤摘要】
基于深度学习的CT报告处理方法、装置、设备及介质


[0001]本专利技术涉及计算机多媒体
，尤其涉及基于深度学习的CT报告处理方法、装置、设备及介质。

技术介绍

[0002]随着深度学习的快速发展，越来越多的技术人员都热衷于将深度学习应用到不同的领域，以改善传统的工作模式，提高工作效率，在医疗领域，深度学习的应用也越来越普遍，但是一般是用于进行CT图像处理，在医疗文字处理，如CT报告的处理方面的应用还较为缺乏，CT报告由于是不同医生撰写，不同的医生由于个人习惯，在撰写CT报告时，在文字描述、句式、表达方法上都有很多不同，导致了CT报告的理解或者整理十分不方便。

技术实现思路

[0003]有鉴于此，本专利技术的目的是为了克服现有技术中的不足，提供了基于深度学习的CT报告处理方法、装置、设备及介质。
[0004]本专利技术提供如下技术方案：
[0005]第一方面，本申请提供了深度学习的CT报告处理方法，包括：
[0006]获取训练数据集，将所述训练数据集输入初始训练模型，得到最终训练模型；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习的CT报告处理方法，其特征在于，包括：获取训练数据集，将所述训练数据集输入初始训练模型，得到最终训练模型；从所述训练数据集中选取候选数据集，对所述候选数据集进行标注，得到标注数据集；将所述标注数据集输入提取器，通过所述提取器对所述标注数据集进行关键词提取，得到提取数据；将所述提取数据输入分类器，通过所述分类器对所述提取数据进行分类计算，得到分类数据；将所述分类数据输入所述最终训练模型，将所述最终训练模型的输出结果作为标准CT报告文本，所述标准CT报告文本包括疾病官方名称。2.根据权利要求1所述的基于深度学习的CT报告处理方法，其特征在于，所述获取训练数据集，包括：获取多个CT报告文本，将每个所述CT报告文本转换成词向量；将多个所述CT报告文本对应的所述词向量作为所述训练数据集。3.根据权利要求2所述的基于深度学习的CT报告处理方法，其特征在于，所述初始训练模型为双向LSTM网络，所述将所述训练数据集输入初始训练模型，得到最终训练模型，包括：将所述CT报告对应的词向量输入所述双向LSTM网络，得到输出结果；判断所述输出结果与所述CT报告对应的词向量的相似度；如果所述输出结果与所述CT报告对应的词向量的相似度大于第一阈值，则将所述双向LSTM网络作为最终训练模型。4.根据权利要求3所述的基于深度学习的CT报告处理方法，其特征在于，所述判断所述输出结果与所述CT报告对应的词向量的相似度，还包括：如果所述输出结果与所述CT报告对应的词向量的相似度小于或等于所述第一阈值，则调整所述双向LSTM网络的参数，直到所述相似度大于所述第一阈值。5.根据权利要求1所述的基于深度学习的CT报告处理方法，其特征在于，所述对所述候选数据集进行标注，得到标注数据集，包括：对所述候选数据集中的关键词进行标...

【专利技术属性】
技术研发人员：梁恒瑞，晏泽平，何建行，
申请(专利权)人：广州明医医疗科技有限公司，
类型：发明
国别省市：