【技术实现步骤摘要】
本专利技术涉及医学影像处理，具体而言，涉及基于深度学习的医学影像报告自动生成方法及系统。
技术介绍
1、医学影像是指通过x射线、电磁场、超声波等非侵入方式获取到人体内部组织结构的影像的技术，医学影像可辅助医生对病患的健康状况做出医学诊断。
2、为了给医生提供更多的进行健康状况判断的辅助，医学影像报告的自动生成技术是存在广泛需求的。现有技术中虽然存在一些医学影像报告的自动生成技术，但在报告准确性、效率等方面仍存在许多不足之处，需要进行进一步的改进。
技术实现思路
1、对此，本专利技术提供了一种基于深度学习的医学影像报告自动生成方法、系统、电子设备、计算机存储介质及计算机程序产品，以解决上述技术问题。
2、本专利技术公开了一种基于深度学习的医学影像报告自动生成方法，所述方法包括如下步骤：收集大量的第一医学影像数据和对应的报告数据，构造得出训练数据集，使用所述训练数据集对预先构造的生成式模型进行训练；确定接收的第二医学影像数据的关联特征数据，根据所述关联特征数据确定第一切...
【技术保护点】
1.一种基于深度学习的医学影像报告自动生成方法，其特征在于：所述方法包括如下步骤：收集大量的第一医学影像数据和对应的报告数据，构造得出训练数据集，使用所述训练数据集对预先构造的生成式模型进行训练；确定接收的第二医学影像数据的关联特征数据，根据所述关联特征数据确定第一切割分辨率，按照所述第一切割分辨率将所述第二医学影像数据切割为若干第三医学影像数据；使用卷积神经网络技术从各所述第三医学影像数据中提取得出第一医学影像特征，将所述第一医学影像特征输入所述生成式模型中，所述生成式模型将所述第一医学影像特征转换为自然语言报告并输出。
2.根据权利要求1所述的一种基于...
【技术特征摘要】
1.一种基于深度学习的医学影像报告自动生成方法，其特征在于：所述方法包括如下步骤：收集大量的第一医学影像数据和对应的报告数据，构造得出训练数据集，使用所述训练数据集对预先构造的生成式模型进行训练；确定接收的第二医学影像数据的关联特征数据，根据所述关联特征数据确定第一切割分辨率，按照所述第一切割分辨率将所述第二医学影像数据切割为若干第三医学影像数据；使用卷积神经网络技术从各所述第三医学影像数据中提取得出第一医学影像特征，将所述第一医学影像特征输入所述生成式模型中，所述生成式模型将所述第一医学影像特征转换为自然语言报告并输出。
2.根据权利要求1所述的一种基于深度学习的医学影像报告自动生成方法，其特征在于：收集大量的第一医学影像数据和对应的报告数据，构造得出训练数据集，包括：收集大量的第一医学影像数据和对应的报告数据；对各所述报告数据进行语义提取，获得报告特征，所述报告特征中包括报告模板及报告数据，根据所述报告数据确定第二切割分辨率；其中，所述报告数据包括整体性报告数据和细节性报告数据；根据所述第二切割分辨率对与所述报告数据对应的所述第一医学影像数据进行切割，获得若干第四医学影像数据，从各所述第四医学影像数据中提取得出第二医学影像特征；将所述第二医学影像特征与对应的所述报告特征构造为一个训练数据，基于全部所述训练数据构造得出所述训练数据集。
3.根据权利要求2所述的一种基于深度学习的医学影像报告自动生成方法，其特征在于：根据所述报告数据确定第二切割分辨率，包括：对所述整体性报告数据和所述细节性报告数据按照下式进行计算：；式中，为表征值，为所述整体性报告数据的特征数量，为所述细节性报告数据的特征数量，、分别为调整常数且；根据所述表征值和预设的负相关函数计算得出所述第二切割分辨率。
4.根据权利要求3所述的一种基于深度学习的医学影像报告自动生成方法，其特征在于：确定接收的第二医学影像数据的关联特征数据，根据所述关联特征数据确定第一切割分辨率，包括：对所述第二医学影像数据的所述关联特征数据进行解析，获得与所述第二医学影像数据对应的拍摄设备的设备分辨率及报告紧急参数；根据所述设备分辨率、所述报告紧急参数确定所述第一切...
【专利技术属性】
技术研发人员：胡利荣，伍华樑，张跃华，尤堃，
申请(专利权)人：浙江飞图影像科技有限公司，
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。