System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及图像处理,具体而言,涉及一种肌少症诊断方法、装置及电子设备。
技术介绍
1、肌少症是一种常见的神经肌肉系统疾病,其特征是肌肉逐渐减少、功能逐渐下降,因此,会严重影响患者的生活质量。目前,常规的肌少症诊断方法主要是通过临床症状、生物化学检查和肌肉组织活检等手段进行诊断。但是,采用现有的肌少症诊断方法存在诊断准确率低、创伤大等问题。
技术实现思路
1、本申请实施例的目的在于提供一种肌少症诊断方法、装置及电子设备,用以解决现有技术中的肌少症诊断方法存在的诊断准确率低、创伤大的技术问题。
2、第一方面,本申请实施例提供一种肌少症诊断方法,包括:获取目标肌肉超声扫查图像以及目标临床化验指标;将所述目标肌肉超声扫查图像以及所述目标临床化验指标输入肌少症诊断模型中,得到所述肌少症诊断模型输出的诊断结果;其中,所述肌少症诊断模型为基于多模态数据融合网络训练得到的。
3、在上述方案中,首先可以获取多模态数据(包括肌肉超声扫查图像以及临床化验指标),其中,使用多模态数据可以充分利用不同类型的医学数据,从而可以提高诊断的准确率;其次,可以基于多模态数据融合网络训练得到肌少症诊断模型,从而可以学习到肌少症的显著特征,并利用上述肌少症诊断模型对上述多模态数据进行特征提取以及数据融合,以提高肌少症诊断的准确率。
4、在可选的实施方式中,所述肌少症诊断模型包括图像特征提取模块、指标特征提取模块、多模态特征融合模块以及分类预测模块;所述将所述目标肌肉超声扫查图像以及所
5、在可选的实施方式中,所述获取目标肌肉超声扫查图像以及目标临床化验指标,包括:获取初始肌肉超声扫查图像以及初始临床化验指标;对所述初始肌肉超声扫查图像进行预处理,得到所述目标肌肉超声扫查图像,以及,对所述初始临床化验指标进行预处理,得到所述目标临床化验指标。在上述方案中,在获取到初始肌肉超声扫查图像以及初始临床化验指标后,可以先对上述初始肌肉超声扫查图像以及初始临床化验指标进行预处理,再将预处理后得到的目标肌肉超声扫查图像以及目标临床化验指标输入至肌少症诊断模型中进行诊断。其中,通过对初始肌肉超声扫查图像以及初始临床化验指标进行预处理,可以得到效果更好的目标肌肉超声扫查图像以及目标临床化验指标,从而可以得到准确率较高的诊断结果。
6、在可选的实施方式中,所述对所述初始肌肉超声扫查图像进行预处理,得到所述目标肌肉超声扫查图像,包括:对所述初始肌肉超声扫查图像进行缩放处理,得到第一肌肉超声扫查图像;对所述第一肌肉超声扫查图像进行增强处理,得到第二肌肉超声扫查图像;对所述第二肌肉超声扫查图像进行归一化处理,得到所述目标肌肉超声扫查图像。在上述方案中,通过对初始肌肉超声扫查图像进行缩放处理,可以统一输入至肌少症诊断模型的图像尺寸;通过对第一肌肉超声扫查图像进行增强处理,可以提高输入至肌少症诊断模型的图像效果;通过对第二肌肉超声扫查图像进行归一化处理,可以便于提取图像特征。因此,通过对初始肌肉超声扫查图像进行预处理,可以提高肌少症诊断的准确率。
7、在可选的实施方式中,所述对所述初始临床化验指标进行预处理,得到所述目标临床化验指标,包括:对所述初始临床化验指标进行缺失值处理,得到第一临床化验指标;对所述第一临床化验指标进行异常值处理,得到第二临床化验指标;对所述第二临床化验指标进行归一化处理,得到所述目标临床化验指标。在上述方案中,通过对初始临床化验指标进行缺失值处理以及对第一临床化验指标进行异常值处理,可以提高输入至肌少症诊断模型的指标效果;通过对第二临床化验指标进行归一化处理,可以便于提取指标特征。因此,通过对初始临床化验指标进行预处理,可以提高肌少症诊断的准确率。
8、在可选的实施方式中,所述方法还包括:利用如下步骤对所述多模态数据融合网络进行训练,得到所述肌少症诊断模型:构建样本数据集;其中,所述样本数据集包括样本肌肉超声扫查图像以及样本临床化验指标;利用所述样本数据集对所述多模态数据融合网络进行训练,得到所述肌少症诊断模型。在上述方案中,可以基于多模态数据融合网络训练得到肌少症诊断模型,从而可以学习到肌少症的显著特征,因此利用上述训练后得到的肌少症诊断模型可以提高肌少症诊断的准确率。
9、在可选的实施方式中,在所述利用所述样本数据集对所述多模态数据融合网络进行训练,得到所述肌少症诊断模型之前,所述方法还包括:利用imagenet数据集对神经网络模型进行预训练,得到对应的预训练权重;所述利用所述样本数据集对所述多模态数据融合网络进行训练,得到所述肌少症诊断模型,包括:将所述预训练权重迁移至所述多模态数据融合网络中的图像特征提取分支;利用所述样本数据集对迁移后的多模态数据融合网络进行训练,得到所述肌少症诊断模型。在上述方案中,在对多模态数据融合网络训练之前,可以先利用imagenet数据集对神经网络模型进行预训练,从而得到多模态数据融合网络中的图像特征提取分支的预训练权重,因此可以提高训练效率。
10、第二方面,本申请实施例提供一种肌少症诊断装置,包括:第一获取模块,用于获取目标肌肉超声扫查图像以及目标临床化验指标;输入模块,用于所述目标肌肉超声扫查图像以及所述目标临床化验指标输入肌少症诊断模型中,得到所述肌少症诊断模型输出的诊断结果;其中,所述肌少症诊断模型为基于多模态数据融合网络训练得到的。
11、在上述方案中,首先可以获取多模态数据(包括肌肉超声扫查图像以及临床化验指标),其中,使用多模态数据可以充分利用不同类型的医学数据,从而可以提高诊断的准确率;其次,可以基于多模态数据融合网络训练得到肌少症诊断模型,从而可以学习到肌少症的显著特征,并利用上述肌少症诊断模型对上述多模态数据进行特征提取以及数据融合,以提高肌少症诊断的准确率。
12、在可选的实施方式中,所述肌少症诊断模型包括图像特征提取模块、指标特征提取模块、多模态特征融合模块以及分类预测模块;所述输入模块具体用于:将所述目标肌肉超声扫查图像输入所述图像特征提本文档来自技高网...
【技术保护点】
1.一种肌少症诊断方法,其特征在于,包括:
2.根据权利要求1所述的肌少症诊断方法,其特征在于,所述肌少症诊断模型包括图像特征提取模块、指标特征提取模块、多模态特征融合模块以及分类预测模块;
3.根据权利要求1所述的肌少症诊断方法,其特征在于,所述获取目标肌肉超声扫查图像以及目标临床化验指标,包括:
4.根据权利要求3所述的肌少症诊断方法,其特征在于,所述对所述初始肌肉超声扫查图像进行预处理,得到所述目标肌肉超声扫查图像,包括:
5.根据权利要求3所述的肌少症诊断方法,其特征在于,所述对所述初始临床化验指标进行预处理,得到所述目标临床化验指标,包括:
6.根据权利要求1-5任一项所述的肌少症诊断方法,其特征在于,所述方法还包括:
7.根据权利要求6所述的肌少症诊断方法,其特征在于,在所述利用所述样本数据集对所述多模态数据融合网络进行训练,得到所述肌少症诊断模型之前,所述方法还包括:
8.一种肌少症诊断装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括:处理器、存储器和总线;<
...【技术特征摘要】
1.一种肌少症诊断方法,其特征在于,包括:
2.根据权利要求1所述的肌少症诊断方法,其特征在于,所述肌少症诊断模型包括图像特征提取模块、指标特征提取模块、多模态特征融合模块以及分类预测模块;
3.根据权利要求1所述的肌少症诊断方法,其特征在于,所述获取目标肌肉超声扫查图像以及目标临床化验指标,包括:
4.根据权利要求3所述的肌少症诊断方法,其特征在于,所述对所述初始肌肉超声扫查图像进行预处理,得到所述目标肌肉超声扫查图像,包括:
5.根据权利要求3所述的肌少症诊断方法,其特征在于,所述对所述初始临床化验指标进行预处理,得到所述目标临床化验...
【专利技术属性】
技术研发人员:石一磊,张雷,胡敬良,牟立超,侯雨,陈咏虹,
申请(专利权)人:脉得智能科技无锡有限公司,
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。