一种基于患者360可视化人体自动标注方法技术

本发明专利技术提供了一种基于患者360可视化人体自动标注方法，本发明专利技术中建立了360可视化人体仿真模型，将身体部位、器官名称和生理参数标注在该模型上，通过语义识别对患者信息进行处理，得到语义信息，从而实现对患者信息的处理，对获取的语义信息进行分类，得到各个信息的类别，从而根据类别，将其关联到360可视化人体仿真模型对应的标注下，在患者与医生沟通时，可直接指明问题部位，以及病情信息，给患者和医生均呈现直观的视觉，减少了患者理解病情难度和就诊时间。和就诊时间。和就诊时间。

【技术实现步骤摘要】
一种基于患者360可视化人体自动标注方法


[0001]本专利技术涉及语义识别
，具体而言，涉及一种基于患者360可视化人体自动标注方法。

技术介绍

[0002]在医院中，患者根据诊断书，以及医生描述从而明确自身的患病位置，以及患病类型和患病情况。但这种方式，医生需要花费大量的时间帮助患者认清自身情况，造成就诊时间长，患者理解病情难度大。

技术实现思路

[0003]本专利技术的目的在于提供一种基于患者360可视化人体自动标注方法，其解决了患者与医生沟通时缺乏参考对象，存在就诊时间长，患者理解病情难度大的问题。
[0004]本专利技术的实施例通过以下技术方案实现：一种基于患者360可视化人体自动标注方法，包括以下步骤：S1、建立360可视化人体仿真模型；S2、对360可视化人体仿真模型进行标注；S3、采用语义识别模型对患者信息进行语义识别，得到语义信息；S4、根据360可视化人体仿真模型上标注的信息，对语义信息进行分类，得到患者各个信息的类别；S5、根据患者各个信息的类别，将患者的各个信息关联到标注后的360可视化人体仿真模型对应标注信息下。
[0005]进一步地，所述S2中标注的信息包括：身体部位、器官和生理参数。
[0006]进一步地，所述语义识别模型包括：特征提取单元、注意力单元和分类单元；所述特征提取单元的输入端作为语义识别模型的输入端，其输出端与注意力单元的输入端连接；所述分类单元的输入端与注意力单元的输出端连接，其输出端作为语义识别模型的输出端。
[0007]进一步地，所述特征提取单元包括：第一卷积层、第二卷积层、全局池化层、向量构建层、全连接层、矩阵变换层、特征提取层和乘法器M1；所述第一卷积层的输入端作为特征提取单元的输入端，其输出端分别与矩阵变换层的输入端、第二卷积层的输入端和全局池化层的输入端连接；所述向量构建层的输入端与全局池化层的输出端连接，其输出端与全连接层的输入端连接，所述乘法器M1的第一输入端与全连接层的输出端连接，其第二输入端与第二卷积层的输出端连接；所述特征提取层的第一输入端与乘法器M1的输出端连接，其第二输入端与矩阵变换层的输出端连接，其输出端作为特征提取单元的输出端。
[0008]进一步地，所述第一卷积层内置个卷积核，用于处理的患者信息，得到个的患者信息，其中，为患者信息的高度，为患者信息的宽度，为通道数；
所述全局池化层的数量有个，个池化层对每个通道的患者信息进行池化处理，得到个数值；所述向量构建层将个数值组成一个维向量；所述全连接层用于根据每维向量，计算出一个权重值，得到个权重值。
[0009]上述进一步地方案的有益效果：本专利技术中根据每个通道的信息，从而计算出每个通道的权重，实现对每个通道的信息进行加权，自适应的增加特征关注度，提高不同信息的分类精度。
[0010]进一步地，所述第二卷积层的卷积核大小为1*1，所述乘法器M1用于将个权重值与第二卷积层输出后的个的患者信息进行加权，得到患者特征信息。
[0011]进一步地，所述矩阵变换层用于将第一卷积层输出的每个通道的的患者信息进行转置运算。
[0012]进一步地，所述特征提取层的表达式为：其中，为第个通道的特征，为双曲正切函数，为矩阵变换层输出的第个通道的患者信息，为的权重，为第个通道的患者特征信息，为的权重，为哈达玛积。
[0013]进一步地，所述注意力单元的表达式为：其中，为注意力单元的第个输出，为激活函数，为通道数。
[0014]进一步地，所述语义识别模型的损失函数为：其中，为损失函数，为样本数量，为第个样本的标签，为第个样本经语义识别模型处理后对应的输出，为对数函数。
[0015]本专利技术实施例的技术方案至少具有如下优点和有益效果：本专利技术中建立了360可视化人体仿真模型，将身体部位、器官名称和生理参数标注在该模型上，通过语义识别对患者信息进行处理，得到语义信息，从而实现对患者信息的处理，对获取的语义信息进行分类，得到各个信息的类别，从而根据类别，将其关联到360可视化人体仿真模型对应的标注下，在患者与医生沟通时，可直接指明问题部位，以及病情信息，给患者和医生均呈现直观的视觉，减少了患者理解病情难度和就诊时间。
附图说明
[0016]图1为一种基于患者360可视化人体自动标注方法的流程图；
图2为语义识别模型的结构示意图；图3为特征提取单元的结构示意图。
具体实施方式
[0017]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。
[0018]如图1所示，一种基于患者360可视化人体自动标注方法，包括以下步骤：S1、建立360可视化人体仿真模型；在本专利技术中360定义为：该人体仿真模型的360
°
可观察可查看。
[0019]通过现有医学图像处理软件和人体三维建模软件，构建人体仿真模型。
[0020]S2、对360可视化人体仿真模型进行标注；标注方法包括文本标注和图形标注，具体地根据人体结构形成元素标签，如身体部位、器官、生理参数等。
[0021]S3、采用语义识别模型对患者信息进行语义识别，得到语义信息；在S3中患者信息包括：影像学资料和诊断资料等。
[0022]S4、根据360可视化人体仿真模型上标注的信息，对语义信息进行分类，得到患者各个信息的类别；在本专利技术中，360可视化人体仿真模型上标注的信息就是语义信息待分类的类型。
[0023]S5、根据患者各个信息的类别，将患者的各个信息关联到标注后的360可视化人体仿真模型对应标注信息下。
[0024]例如，患者信息中有部分内容属于心脏病，则该部分患者信息的类别为心脏病，将该部分患者信息关联到360可视化人体仿真模型标注的心脏的心脏病，从而进行直观显示。
[0025]所述S2中标注的信息包括：身体部位、器官和生理参数。
[0026]如图2所示，所述语义识别模型包括：特征提取单元、注意力单元和分类单元；所述特征提取单元的输入端作为语义识别模型的输入端，其输出端与注意力单元的输入端连接；所述分类单元的输入端与注意力单元的输出端连接，其输出端作为语义识别模型的输出端。
[0027]如图3所示，所述特征提取单元包括：第一卷积层、第二卷积层、全局池化层、向量构建层、全连接层、矩阵变换层、特征提取层和乘法器M1；所述第一卷积层的输入端作为特征提取单元的输入端，其输出端分别与矩阵变换层的输入端、第二卷积层的输入端和全局池化层的输入端连接；所述向量构建层的输入端与全局池化层的输出端连接，其输出端与全连接层的输入端连接，所述乘法器M1的第一输入端与全连接层的输出端连接，其第二输入端与第二卷积层的输出端连接；所述特征提取层的第一输入端与乘法器M1的输出端连接，其第二输本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于患者360可视化人体自动标注方法，其特征在于，包括以下步骤：S1、建立360可视化人体仿真模型；S2、对360可视化人体仿真模型进行标注；S3、采用语义识别模型对患者信息进行语义识别，得到语义信息；S4、根据360可视化人体仿真模型上标注的信息，对语义信息进行分类，得到患者各个信息的类别；S5、根据患者各个信息的类别，将患者的各个信息关联到标注后的360可视化人体仿真模型对应标注信息下。2.根据权利要求1所述的基于患者360可视化人体自动标注方法，其特征在于，所述S2中标注的信息包括：身体部位、器官和生理参数。3.根据权利要求1所述的基于患者360可视化人体自动标注方法，其特征在于，所述语义识别模型包括：特征提取单元、注意力单元和分类单元；所述特征提取单元的输入端作为语义识别模型的输入端，其输出端与注意力单元的输入端连接；所述分类单元的输入端与注意力单元的输出端连接，其输出端作为语义识别模型的输出端。4.根据权利要求3所述的基于患者360可视化人体自动标注方法，其特征在于，所述特征提取单元包括：第一卷积层、第二卷积层、全局池化层、向量构建层、全连接层、矩阵变换层、特征提取层和乘法器M1；所述第一卷积层的输入端作为特征提取单元的输入端，其输出端分别与矩阵变换层的输入端、第二卷积层的输入端和全局池化层的输入端连接；所述向量构建层的输入端与全局池化层的输出端连接，其输出端与全连接层的输入端连接，所述乘法器M1的第一输入端与全连接层的输出端连接，其第二输入端与第二卷积层的输出端连接；所述特征提取层的第一输入端与乘法器M1的输出端连接，其第二输入端与矩阵变换层的输出端连...

【专利技术属性】
技术研发人员：张平，王涌军，岳小波，
申请(专利权)人：四川互慧软件有限公司，
类型：发明
国别省市：