一种疾病辅助检测系统技术方案

本申请公开了一种疾病辅助检测系统

【技术实现步骤摘要】
一种疾病辅助检测系统、方法、设备及存储介质


[0001]本专利技术涉及神经网络领域，特别涉及一种疾病辅助检测系统
、
方法
、
设备及存储介质
。

技术介绍

[0002]在眼底图像中，一张图片可能包含多种症状，不同的图像如果包含相同的症状，则它们可能患有相同或者相似的疾病，这就导致若针对大量的眼底图像数据，都通过医生进行人工分析，工作量较大，因此需要进行眼病的辅助诊断
。
但是目前在影像科医生或者智能眼底仪器对眼底图像进行分析标注症状后，根据以往的诊断病例和症状进行一个初步的辅助诊断的手段，往往由于图片可能包含多种症状以及对应多种疾病
。
无法做出精确地判断，并且效率较低，因此，如何改善辅助诊断的效果是本领域有待解决的问题
。

技术实现思路

[0003]有鉴于此，本专利技术的目的在于提供一种疾病辅助检测系统
、
方法
、
设备及存储介质，可以将图像数据建模成异构图的形式，把眼病的诊断转化为异构图中的链路预测问题，然后基于异构图神经网络和元路径在异构图上进行结点之间的链路预测，提供更加有效地眼病辅助诊断结果
。
其具体方案如下：
[0004]第一方面，本申请提供了一种疾病辅助检测系统，包括：
[0005]异构图构建模块，用于获取预设图像数据集中的目标数据，根据所述目标数据构建异构图和所述异构图对应的特征矩阵；
[0006]实例提取模块，用于根据预设任务场景生成对应的元路径，并根据所述异构图和所述特征矩阵提取所述元路径对应的元路径实例；
[0007]链路预测模块，用于利用预设图神经网络生成所述元路径实例得到对应的目标特征表示，根据所述目标特征表示进行所述异构图的链路预测，以根据预测结果确定疾病检测结果
。
[0008]可选的，所述异构图构建模块，包括：
[0009]数据获取单元，用于获取所述预设图像数据集中的图像数据
、
所述图像数据对应的症状数据和所述图像数据对应的疾病数据；
[0010]异构图构建单元，用于将所述图像数据
、
所述症状数据和所述疾病数据作为异构图节点构建所述异构图和所述异构图对应的特征矩阵
。
[0011]可选的，所述异构图构建模块，包括：
[0012]特征矩阵生成单元，用于将所述图像数据
、
所述症状数据和所述疾病数据作为异构图节点构建所述异构图，并利用预训练模型提取所述图像数据的第一特征和所述症状数据的第二特征，根据所述第一特征和所述第二特征生成特征初始化的特征矩阵
。
[0013]可选的，所述实例提取模块，包括：
[0014]元路径生成单元，用于根据所述预设任务场景将所述图像数据和所述疾病数据作
为元路径起点生成所述元路径；
[0015]实例提取单元，用于确定与所述元路径起点类型相同的目标异构图节点，并提取所述目标异构图节点对应的所述元路径实例
。
[0016]可选的，所述链路预测模块，包括：
[0017]特征表示确定单元，用于利用预设图神经网络遍历所述目标异构图节点对应的所有所述元路径实例，以确定所述目标异构图节点的初始特征表示；
[0018]特征表示融合单元，用于根据预设特征融合方法融合所述目标异构图节点在若干所述元路径下的若干所述初始特征表示，生成所述目标异构图节点的所述目标特征表示
。
[0019]可选的，所述链路预测模块，包括：
[0020]链路预测单元，用于确定所述目标异构图节点的所述目标特征表示的内积，对所述内积进行归一化，并利用预设激活函数基于归一化结果进行所述异构图的链路预测
。
[0021]可选的，所述疾病辅助检测系统，还包括：
[0022]模型训练单元，用于将所述异构图中不存在的边作为负边，将存在的边作为正边，最大化所述正边和所述负边之间所述链路预测结果的差值，将差值作为所述异构图的损失进行反向传播以完成模型训练
。
[0023]第二方面，本申请提供了一种疾病辅助检测方法，包括：
[0024]获取预设图像数据集中的目标数据，根据所述目标数据构建异构图和所述异构图对应的特征矩阵；
[0025]根据预设任务场景生成对应的元路径，并根据所述异构图和所述特征矩阵提取所述元路径对应的元路径实例；
[0026]利用预设图神经网络生成所述元路径实例得到对应的目标特征表示，根据所述目标特征表示进行所述异构图的链路预测，以根据预测结果确定疾病检测结果
。
[0027]第三方面，本申请提供了一种电子设备，所述电子设备包括处理器和存储器；其中，所述存储器用于存储计算机程序，所述计算机程序由所述处理器加载并执行以实现前述的疾病辅助检测方法
。
[0028]第四方面，本申请提供了一种计算机可读存储介质，用于保存计算机程序，所述计算机程序被处理器执行时实现前述的疾病辅助检测方法
。
[0029]本申请中异构图构建模块，用于获取预设图像数据集中的目标数据，根据所述目标数据构建异构图和所述异构图对应的特征矩阵；实例提取模块，用于根据预设任务场景生成对应的元路径，并根据所述异构图和所述特征矩阵提取所述元路径对应的元路径实例；链路预测模块，用于利用预设图神经网络生成所述元路径实例得到对应的目标特征表示，根据所述目标特征表示进行所述异构图的链路预测，以根据预测结果确定疾病检测结果
。
这样一来，本申请可以将图像数据建模成异构图的形式，把眼病的诊断转化为异构图中的链路预测问题，然后基于异构图神经网络和元路径在异构图上进行结点之间的链路预测，提供更加有效地眼病辅助诊断结果，提高眼病辅助诊断的效率和结果的准确度
。
附图说明
[0030]为了更清楚地说明本专利技术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简单地介绍，显而易见地，下面描述中的附图仅仅是本
专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图
。
[0031]图1为本申请提供的一种疾病辅助检测系统流程图；
[0032]图2为本申请提供的一种疾病辅助检测方法流程图；
[0033]图3为本申请提供的一种具体的疾病辅助检测方法流程图；
[0034]图4为本申请提供的一种电子设备结构图
。
具体实施方式
[0035]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，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例
。
基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围
。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种疾病辅助检测系统，其特征在于，包括：异构图构建模块，用于获取预设图像数据集中的目标数据，根据所述目标数据构建异构图和所述异构图对应的特征矩阵；实例提取模块，用于根据预设任务场景生成对应的元路径，并根据所述异构图和所述特征矩阵提取所述元路径对应的元路径实例；链路预测模块，用于利用预设图神经网络生成所述元路径实例得到对应的目标特征表示，根据所述目标特征表示进行所述异构图的链路预测，以根据预测结果确定疾病检测结果
。2.
根据权利要求1所述的疾病辅助检测系统，其特征在于，所述异构图构建模块，包括：数据获取单元，用于获取所述预设图像数据集中的图像数据
、
所述图像数据对应的症状数据和所述图像数据对应的疾病数据；异构图构建单元，用于将所述图像数据
、
所述症状数据和所述疾病数据作为异构图节点构建所述异构图和所述异构图对应的特征矩阵
。3.
根据权利要求2所述的疾病辅助检测系统，其特征在于，所述异构图构建模块，包括：特征矩阵生成单元，用于将所述图像数据
、
所述症状数据和所述疾病数据作为异构图节点构建所述异构图，并利用预训练模型提取所述图像数据的第一特征和所述症状数据的第二特征，根据所述第一特征和所述第二特征生成特征初始化的特征矩阵
。4.
根据权利要求2所述的疾病辅助检测系统，其特征在于，所述实例提取模块，包括：元路径生成单元，用于根据所述预设任务场景将所述图像数据和所述疾病数据作为元路径起点生成所述元路径；实例提取单元，用于确定与所述元路径起点类型相同的目标异构图节点，并提取所述目标异构图节点对应的所述元路径实例
。5.
根据权利要求4所述的疾病辅助检测系统，其特征在于，所述链路预测模块，包括：...

【专利技术属性】
技术研发人员：蒋鑫龙，闫振，陈益强，戴伟伟，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：