一种疾病诊断标准库的构建方法技术

本申请实施例公开了一种疾病诊断标准库的构建方法

【技术实现步骤摘要】
一种疾病诊断标准库的构建方法、装置、设备及存储介质


[0001]本申请涉及医学数据处理与分析
，具体涉及一种疾病诊断标准库的构建方法
、
装置
、
设备及存储介质
。

技术介绍

[0002]随着医学检验技术的不断发展，越来越多的医学数据被收集和记录
。
疾病样本库作为一种重要的医学数据库，包含了大量疾病类别相关的数据和信息，数据类型包括图像数据如用于测量细胞的大小或复杂性的前向散射信号图片和散点图
、
可以评估细胞表面标记物或细胞内分子的存在和表达水平的特定荧光染色标记后测量的检测荧光信号的强度
、
光谱和波长数据
、
细胞形态图等；文本数据包括：血液病检测中的分型
、
细胞特征
、
细胞周期
、
参数表达
、
免疫表型等
。
这些数据可以共同构成了一份完整的流式血液病检测报告样本，用于辅助医生诊断和治疗决策
。
[0003]在对相关技术进行研究和实践的过程中，本申请的专利技术人发现某一疾病类别中某一疾病分型的诊断标准在当前时间内是一定的，但是医学检测与诊断通常受到技术发展
、
检测方法与检测设备精度等多重影响，导致某一疾病分型的诊断标准也会随时间发生动态调整，但是疾病样本库中各疾病类别的医学检测结果和诊断结果不会随着时间发生动态调整，对应的疾病诊断标准不会随着时间维度自主进化，导致疾病检测的准确性不高
。

技术实现思路

[0004]本申请实施例提供一种疾病诊断标准库的构建方法
、
装置
、
设备及存储介质，以解决随着时间的发展医学检验技术的进步，疾病样本库中各疾病类别的医学检测结果和诊断结果没有随着时间发生动态调整，对应的疾病诊断标准不会随着时间维度自主进化，导致疾病检测的准确性不高的技术问题
。
[0005]第一方面，本申请实施例提供了一种疾病诊断标准库的构建方法，包括：
[0006]从目标疾病样本库中获取目标疾病类别在第一历史时刻的第一历史医学数据，所述第一历史医学数据包括第一病例样本图像数据和第一病例样本文本数据；
[0007]提取所述第一病例样本图像数据的第一图像特征数据，对所述第一图像特征数据和所述第一病例样本文本数据进行融合处理，得到第一关键特征训练数据集，基于所述第一关键特征训练数据集和预设的检测标准模型，获取得到所述第一历史时刻诊断测标准的第一短期记忆参数和第一长期记忆参数；
[0008]从所述目标疾病样本库中获取所述目标疾病类别在第二历史时刻的第二历史医学数据，所述第二历史医学数据包括第二病例样本图像数据和第二病例样本文本数据，所述第二历史时刻为所述第一历史时刻之后的时间点；
[0009]提取所述第二病例样本图像数据的第二图像特征数据，对所述第二图像特征数据和所述第二病例样本文本数据进行融合处理，得到第二关键特征训练数据集，基于所述第二关键特征训练数据集和所述检测标准模型，获取得到所述第二历史时刻诊断标准的第二
短期记忆参数和第二长期记忆参数；
[0010]基于所述第一短期记忆参数
、
所述第一长期记忆参数
、
所述第二短期记忆参数以及所述第二长期记忆参数，得到所述目标疾病类别从所述第一历史时刻到所述第二历史时刻的时间维度上自主进化的目标疾病诊断标准数据，基于所述目标疾病诊断标准数据构建疾病诊断标准库
。
[0011]可选地，提取所述第一病例样本图像数据的第一图像特征数据，包括：
[0012]对所述第一病例样本图像数据进行预处理，得到第一目标病例样本图像数据；
[0013]基于所述第一目标病例样本图像数据和预设的特征学习模型，获取得到第一目标病例样本图像数据的第一图像特征数据
。
[0014]可选地，对所述第一图像特征数据和所述第一病例样本文本数据进行融合处理，得到第一关键特征训练数据集，包括：
[0015]对所述第一病例样本文本数据进行预处理，得到第一目标病例样本文本数据；
[0016]对所述第一图像特征数据和所述第一目标病例样本文本数据进行组合处理，得到第一关键特征训练数据集
。
[0017]可选地，提取所述第一病例样本图像数据的第一图像特征数据之前，还包括：
[0018]从所述目标疾病样本库中，获取所述目标疾病类别在第三历史时刻的历史医学数据，所述第三历史时刻的历史医学数据包括第三病例样本图像数据；
[0019]对所述第三病例样本图像数据进行预处理，得到目标历史病例样本图像数据；
[0020]对所述目标历史病例样本图像数据进行分割，得到历史病例图像训练集
、
历史病例图像验证集以及历史病例图像测试集；
[0021]基于所述历史病例图像训练集
、
历史病例图像验证集以及历史病例图像测试集对原始特征学习模型进行训练处理，得到预设的特征学习模型
。
[0022]可选地，基于所述第一关键特征训练数据集和预设的检测标准模型，获取得到所述第一历史时刻诊断测标准的第一短期记忆参数和第一长期记忆参数之前，还包括：
[0023]从所述目标疾病样本库中，获取目标疾病类别在第四历史时刻的历史医学数据，所述第四历史时刻的历史医学数据包括第四病例样本图像数据和第四病例样本文本数据；
[0024]基于所述特征学习模型，提取所述第四病例样本图像数据的图像特征数据，得到第三图像特征数据；
[0025]对所述第三图像特征数据和所述第四病例样本文本数据进行组合处理，得到目标关键特征训练数据集；
[0026]基于所述目标关键特征训练数据集对原始长短期记忆网络进行训练，建立预设的检测标准模型
。
[0027]可选地，基于所述第一关键特征训练数据集和预设的检测标准模型，获取得到所述第一历史时刻诊断测标准的第一短期记忆参数和第一长期记忆参数，包括：
[0028]获取所述第一历史医学数据对应的第一样本时间和对应的第一检测结果；
[0029]通过所述检测标准模型建立所述第一关键特征训练数据集
、
所述第一样本时间以及所述第一检测结果之间的权重关系，得到所述第一历史时刻诊断测标准的第一短期记忆参数和第一长期记忆参数
。
[0030]可选地，基于所述第一短期记忆参数
、
所述第一长期记忆参数
、
所述第二短期记忆
参数以及所述第二长期记忆参数，得到所述目标疾病类别从所述第一历史时刻到所述第二历史时刻的时间维度上自主进化的疾病诊断标准数据，包括：
[0031]基于所述第一短期记忆参数和所述第二长期记忆参数，获取所述第一历史医学数据对应的诊断标准和所述第一检测结果之间的第一关联权重；
[0032]基于所述第二本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种疾病诊断标准库的构建方法，其特征在于，包括：从目标疾病样本库中获取目标疾病类别在第一历史时刻的第一历史医学数据，所述第一历史医学数据包括第一病例样本图像数据和第一病例样本文本数据；提取所述第一病例样本图像数据的第一图像特征数据，对所述第一图像特征数据和所述第一病例样本文本数据进行融合处理，得到第一关键特征训练数据集，基于所述第一关键特征训练数据集和预设的检测标准模型，获取得到所述第一历史时刻诊断测标准的第一短期记忆参数和第一长期记忆参数；从所述目标疾病样本库中获取所述目标疾病类别在第二历史时刻的第二历史医学数据，所述第二历史医学数据包括第二病例样本图像数据和第二病例样本文本数据，所述第二历史时刻为所述第一历史时刻之后的时间点；提取所述第二病例样本图像数据的第二图像特征数据，对所述第二图像特征数据和所述第二病例样本文本数据进行融合处理，得到第二关键特征训练数据集，基于所述第二关键特征训练数据集和所述检测标准模型，获取得到所述第二历史时刻诊断标准的第二短期记忆参数和第二长期记忆参数；基于所述第一短期记忆参数
、
所述第一长期记忆参数
、
所述第二短期记忆参数以及所述第二长期记忆参数，得到所述目标疾病类别从所述第一历史时刻到所述第二历史时刻的时间维度上自主进化的目标疾病诊断标准数据，基于所述目标疾病诊断标准数据构建疾病诊断标准库
。2.
根据权利要求1所述的方法，其特征在于，所述提取所述第一病例样本图像数据的第一图像特征数据，包括：对所述第一病例样本图像数据进行预处理，得到第一目标病例样本图像数据；基于所述第一目标病例样本图像数据和预设的特征学习模型，获取得到第一目标病例样本图像数据的第一图像特征数据
。3.
根据权利要求2所述的方法，其特征在于，所述对所述第一图像特征数据和所述第一病例样本文本数据进行融合处理，得到第一关键特征训练数据集，包括：对所述第一病例样本文本数据进行预处理，得到第一目标病例样本文本数据；对所述第一图像特征数据和所述第一目标病例样本文本数据进行组合处理，得到第一关键特征训练数据集
。4.
根据权利要求2所述的方法，其特征在于，所述提取所述第一病例样本图像数据的第一图像特征数据之前，还包括：从所述目标疾病样本库中，获取所述目标疾病类别在第三历史时刻的历史医学数据，所述第三历史时刻的历史医学数据包括第三病例样本图像数据；对所述第三病例样本图像数据进行预处理，得到目标历史病例样本图像数据；对所述目标历史病例样本图像数据进行分割，得到历史病例图像训练集
、
历史病例图像验证集以及历史病例图像测试集；基于所述历史病例图像训练集
、
历史病例图像验证集以及历史病例图像测试集对原始特征学习模型进行训练处理，得到预设的特征学习模...

【专利技术属性】
技术研发人员：申艳鹏，潘建华，张静文，
申请(专利权)人：广州金域医学检验中心有限公司，
类型：发明
国别省市：