【技术实现步骤摘要】
本申请涉及人工智能，具体而言，本申请涉及一种疾病的辅助诊断方法、装置、电子设备及可读存储介质。
技术介绍
1、对疾病的检测和辅助诊断为当前预防疾病的重要任务，在最近的研究中，心电图、光电容积描记信号等多类生理信号被广泛应用于疾病的检测和辅助诊断中，然而现有的疾病的辅助诊断方法存在诊断准确率低的问题。
技术实现思路
1、本申请实施例提供了一种疾病的辅助诊断方法、装置、电子设备及可读存储介质，用于解决疾病辅助诊断的准确率低的技术问题。
2、根据本申请实施例的第一方面，提供了一种疾病的辅助诊断方法，该方法包括：确定目标对象在同一时段的至少三类生理信号；
3、将至少三类生理信号输入训练好的辅助诊断模型，辅助诊断模型存储有每一类疾病各自对应的标准凸多边形在预设平面坐标系上的坐标；标准凸多边形用于表征对应疾病的融合特征向量，辅助诊断模型执行以下步骤，输出辅助诊断结果：
4、确定每一类生理信号的目标特征向量；
5、根据所有类的生理信号的目标特征向量，获得目标凸多边形在预设平面坐标系上的坐标；目标凸多边形用于表征目标对象的融合特征向量；
6、根据每一类疾病对应的标准凸多边形和目标凸多边形在预设平面坐标系上的坐标，输出辅助诊断结果，辅助诊断结果包括目标对象患有各类疾病的概率；
7、其中，辅助诊断模型是以样本对象的至少三类生理信号为训练样本，以样本对象对应的疾病种类为训练标签训练而成的。
8、在一个可能的实现方式中，疾
9、第一输入单元，用于将各训练样本以及各训练样本对应的训练标签一同输入第一模型，获得第一模型的特征融合层输出的各训练样本的第一凸多边形在预设平面坐标系上的初始坐标；第一凸多边形用于表征训练样本的初始融合特征向量；
10、迭代单元，用于对各训练样本的第一凸多边形的初始坐标进行多轮迭代，直至满足第一预设条件；
11、坐标确定单元，用于基于各训练样本在最后一轮的第一凸多边形的初始坐标，确定每一类疾病对应的标准凸多边形在预设平面坐标系上的坐标；
12、输出单元，用于将每一类疾病对应的标准凸多边形的坐标存储至最后一轮输出的第一模型中，将存储有坐标的第一模型作为辅助诊断模型。
13、在另一个可能的实现方式中，训练模块中的每轮迭代包括：
14、第一确定单元，用于针对每一个训练样本，确定训练样本在本轮迭代的第一凸多边形的初始坐标；
15、第一计算单元，用于针对每一个训练样本，根据每一个第一凸多边形的初始坐标，分别计算训练样本的第一凸多边形的面积与每一个目标训练样本的第一凸多边形的面积的交并比；目标训练样本为除训练样本外，其他训练样本中的任意一个训练样本；
16、第二计算单元，用于针对每一个训练样本，根据训练样本的第一凸多边形的面积与每一个目标训练样本的第一凸多边形的面积的交并比，训练样本对应的训练标签和每一个目标训练样本对应的训练标签，分别计算训练样本与每一个目标训练样本的损失值；
17、第二确定单元，用于针对每一个训练样本，根据训练样本与每一个目标训练样本的损失值，确定训练样本的平均损失值；
18、更新单元，用于根据每一个训练样本的平均损失值，更新第一模型的参数。
19、在又一个可能的实现方式中，第二计算单元包括：
20、若训练样本与目标训练样本的训练标签相同，则根据第一预设值和训练样本的凸多边形的面积与目标训练样本的凸多边形的面积的交并比的差值，确定训练样本和目标训练样本的损失值；
21、若训练样本与目标训练样本的训练标签不相同，则根据第一预设值、第二预设值和第三预设值以及训练样本的凸多边形的面积与目标训练样本的凸多边形的面积的交并比，确定训练样本和目标训练样本的损失值。
22、在又一个可能的实现方式中，坐标确定单元包括：
23、针对每一类疾病，确定与疾病对应的所有训练样本在最后一轮迭代确定的第一凸多边形的初始坐标；第一凸多边形的初始坐标包括第一凸多边形的各顶点的坐标；
24、基于每一个第一凸多边形的各顶点的坐标，计算第一凸多边形各顶点的平均坐标；
25、将第一凸多边形各顶点的平均坐标作为疾病对应的标准凸多边形的各顶点在预设平面坐标系上的坐标。
26、在又一个可能的实现方式中，输出模块包括：
27、针对每一类疾病对应的标准凸多边形，根据目标凸多边形和标准凸多边形在预设平面坐标系上的坐标，计算目标凸多边形和标准凸多边形相交的面积；
28、将每一类疾病对应的标准凸多边形与目标凸多边形相交的面积进行相加，获得相交总面积；
29、根据每一类疾病对应的标准凸多边形与目标凸多边形相交的面积在相交总面积中的占比，获得目标对象患有各类疾病的概率。
30、在又一个可能的实现方式中，目标特征向量为二维特征向量时，处理模块包括：
31、确定每一类生理信号的目标特征向量在预设平面坐标系上的坐标；
32、根据各目标特征向量在预设平面坐标系上的坐标构建目标凸多边形，获得目标凸多边形在预设平面坐标系上的坐标。
33、在又一个可能的实现方式中，第一预设条件为各训练样本的平均损失值之和小于预设损失阈值或迭代次数达到预设迭代次数。
34、在又一个可能的实现方式中，生理信号包括以下至少三类：
35、心电图信号；
36、光电容积描记信号；
37、皮肤温度信号；
38、脉搏氧饱和度信号；
39、呼吸信号。
40、根据本申请实施例的第二方面，提供了一种疾病的辅助诊断装置，该装置包括：
41、第一确定模块，用于确定目标对象在同一时段的至少三类生理信号；
42、输入模块，用于将至少三类生理信号输入训练好的辅助诊断模型，辅助诊断模型存储有每一类疾病各自对应的标准凸多边形在预设平面坐标系上的坐标；标准凸多边形用于表征对应疾病的融合特征向量，辅助诊断模型执行以下步骤，输出辅助诊断结果：
43、第二确定模块，用于确定每一类生理信号的目标特征向量；
44、处理模块，用于根据所有类的生理信号的目标特征向量，获得目标凸多边形在预设平面坐标系上的坐标；目标凸多边形用于表征目标对象的融合特征向量；
45、输出模块，用于根据每一类疾病对应的标准凸多边形和目标凸多边形在预设平面坐标系上的坐标，输出辅助诊断结果，辅助诊断结果包括目标对象患有各类疾病的概率；
46、其中，辅助诊断模型是以样本对象的至少三类生理信号为训练样本，以样本对象对应的疾病种类为训练标签训练而成的。
47、根据本申请实施例的第三方面，提供了一种电子设备，该电子设备包括存储器、处理器及存储在存储器上的计算机程序，处理器执行程序时实现如第一方面所提供的方法的本文档来自技高网...
【技术保护点】
1.一种疾病的辅助诊断方法，其特征在于，包括：
2.根据权利要求1所述的疾病的辅助诊断方法，其特征在于，所述辅助诊断模型的训练过程包括：
3.根据权利要求2所述的疾病的辅助诊断方法，其特征在于，
4.根据权利要求3所述的疾病的辅助诊断方法，其特征在于，确定所述训练样本与所述目标训练样本的损失值的方法，包括：
5.根据权利要求2所述的疾病的辅助诊断方法，其特征在于，所述基于各训练样本在最后一轮的第一凸多边形的初始坐标，确定每一类疾病对应的标准凸多边形在预设平面坐标系上的坐标，包括：
6.根据权利要求1所述的疾病的辅助诊断方法，其特征在于，所述根据每一类疾病对应的标准凸多边形和所述目标凸多边形在所述预设平面坐标系上的坐标，输出所述辅助诊断结果，包括：
7.根据权利要求1所述的疾病的辅助诊断方法，其特征在于，在所述目标特征向量为二维特征向量时，所述根据所有类的生理信号的目标特征向量，获得目标凸多边形在所述预设平面坐标系上的坐标，包括：
8.根据权利要求2所述的疾病的辅助诊断方法，其特征在于，所述第一预设
9.根据权利要求1所述的疾病的辅助诊断方法，所述生理信号包括以下至少三类：
10.一种疾病的辅助诊断装置，其特征在于，包括：
11.一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-9任一项所述方法的步骤。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-9任一项所述方法的步骤。
...【技术特征摘要】
1.一种疾病的辅助诊断方法，其特征在于，包括：
2.根据权利要求1所述的疾病的辅助诊断方法，其特征在于，所述辅助诊断模型的训练过程包括：
3.根据权利要求2所述的疾病的辅助诊断方法，其特征在于，
4.根据权利要求3所述的疾病的辅助诊断方法，其特征在于，确定所述训练样本与所述目标训练样本的损失值的方法，包括：
5.根据权利要求2所述的疾病的辅助诊断方法，其特征在于，所述基于各训练样本在最后一轮的第一凸多边形的初始坐标，确定每一类疾病对应的标准凸多边形在预设平面坐标系上的坐标，包括：
6.根据权利要求1所述的疾病的辅助诊断方法，其特征在于，所述根据每一类疾病对应的标准凸多边形和所述目标凸多边形在所述预设平面坐标系上的坐标，输出所述辅助诊断结果，包括：
7.根据权利要求1所述的疾病的辅助诊断...
【专利技术属性】
技术研发人员：陈翰杰，吕良一，李凌丰，张元亭，
申请(专利权)人：香港心脑血管健康工程研究中心有限公司，
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。