【技术实现步骤摘要】
本专利技术涉及睑板腺的异常报告生成，特别涉及一种睑板腺的异常报告生成方法、装置、电子设备、存储介质。
技术介绍
1、现在对于睑板腺的检测报告主要依靠眼科专业人员进行人工评估和撰写。对于年轻、经验不足的相关人员而言，无疑没办法很快进行评估的，对于有经验的眼科专业人员而言，又通常只写最终结论，不方便患者去进行理解。
技术实现思路
1、本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种睑板腺的异常报告生成方法、装置、电子设备、存储介质，能够提高生成睑板腺异常报告的可靠性。
2、第一方面，本专利技术实施例提供了一种睑板腺的异常报告生成方法，包括：
3、获取第一多模态眼科数据、第二多模态眼科数据、第三多模态眼科数据和第四多模态眼科数据；
4、通过预设的睑板腺图片分类模型对所述第一多模态眼科数据中的睑板腺图片的严重程度进行分类，得到第一睑板腺严重等级；
5、通过预设的睑板腺分割模型对所述第二多模态眼科数据中的睑板和睑板腺进行分割，得到睑板腺区域；
6、通过预设的睑板腺堵塞目标识别模型对所述第三多模态眼科数据中的睑板腺进行堵塞目标识别处理，得到堵塞目标；
7、通过预设的睑板腺文本分类模型对所述第四多模态眼科数据进行睑板腺文本分类，得到所述第四多模态眼科数据的文本类别；
8、根据所述第一睑板腺严重等级、所述睑板腺区域、所述堵塞目标和所述文本类别对样本多模态眼科数据集进行标注；
10、将待测多模态眼科数据输入到训练后的所述睑板腺严重等级划分模型中进行睑板腺严重程度分类，得到异常报告，所述异常报告包括第二睑板腺严重等级和报告分析数据，所述报告分析数据表征所述睑板腺严重等级划分模型模型利用所述睑板腺区域、所述堵塞目标和所述文本类别进行预测的过程。
11、在本专利技术的一些实施例中，所述第一多模态眼科数据包括多种类型的眼科图片子数据，不同类型的所述眼科图片子数据表征不同类型的设备拍摄的眼科图片，所述睑板腺图片分类模型包括多种类型的设备图片子模型，基于设备类型，所述设备图片子模型与所述眼科图片子数据之间具有映射关系，所述通过预设的睑板腺图片分类模型对所述第一多模态眼科数据中的睑板腺图片的严重程度进行分类，得到第一睑板腺严重等级，包括：
12、基于所述映射关系，通过所述设备图片子模型对对应类型的所述眼科图片子数据进行严重程度分类处理，得到对应类型的睑板腺子等级；
13、根据预设的权重对不同类型的所述睑板腺子等级进行加权求和，得到所述第一睑板腺严重等级。
14、在本专利技术的一些实施例中，在所述通过预设的睑板腺分割模型对所述第二多模态眼科数据中的睑板和睑板腺进行分割，得到睑板腺区域后，包括：
15、根据所述睑板腺区域在睑板区域的占比得到睑板腺密度；
16、在所述睑板腺区域中每条睑板腺上的预设位置和预设数量的随机位置上计算曲线曲率，并获取所有所述曲线曲率的平均值，确定为所述睑板腺的弯曲程度。
17、在本专利技术的一些实施例中，所述通过预设的睑板腺文本分类模型对所述第四多模态眼科数据进行睑板腺文本分类，得到所述第四多模态眼科数据的文本类别，包括：
18、通过bert模型和分词器对所述第四多模态眼科数据进行转换处理，得到目标元嵌入向量；
19、将所述目标元嵌入向量输入到完成训练后的所述睑板腺文本分类模型中进行睑板腺文本分类，得到所述第四多模态眼科数据的文本类别。
20、在本专利技术的一些实施例中，所述通过bert模型和分词器对所述第四多模态眼科数据进行转换处理，得到目标元嵌入向量之前，包括：
21、获取样本文本，所述样本文本包括病人描述文本、临床观察记录文本、患者病史文本；
22、通过所述分词器对所述样本文本进行分词标记处理，得到多个标记；
23、将所述标记输入到所述bert模型进行转换，得到对应的嵌入向量；
24、对所述嵌入向量进行平均计算，得到样本元嵌入向量；
25、将不同类别的所述样本文本对应的所述样本元嵌入向量进行连接，并对每个类别的所述样本文本设定标签；
26、将所述样本文本和所述标签输入到所述睑板腺文本分类模型进行训练和测试，所述睑板腺文本分类模型用于学习所述元嵌入向量与所述标签的关系。
27、第二方面，本专利技术实施例提供了一种睑板腺的异常报告生成装置，包括：
28、获取模块，用于获取第一多模态眼科数据、第二多模态眼科数据、第三多模态眼科数据和第四多模态眼科数据；
29、严重程度分类模块，用于通过预设的睑板腺图片分类模型对所述第一多模态眼科数据中的睑板腺图片的严重程度进行分类，得到第一睑板腺严重等级；
30、分割模块，用于通过预设的睑板腺分割模型对所述第二多模态眼科数据中的睑板和睑板腺进行分割，得到睑板腺区域；
31、堵塞目标识别模块，用于通过预设的睑板腺堵塞目标识别模型对所述第三多模态眼科数据中的睑板腺进行堵塞目标识别处理，得到堵塞目标；
32、文本分类模块，用于通过预设的睑板腺文本分类模型对所述第四多模态眼科数据进行睑板腺文本分类，得到所述第四多模态眼科数据的文本类别；
33、标注模块，用于根据所述第一睑板腺严重等级、所述睑板腺区域、所述堵塞目标和所述文本类别对样本多模态眼科数据集进行标注；
34、训练模块，用于根据标注后的所述样本多模态眼科数据集对预设的睑板腺严重等级划分模型进行训练和测试；
35、异常报告生成模块，用于将待测多模态眼科数据输入到训练后的所述睑板腺严重等级划分模型中进行睑板腺严重程度分类，得到异常报告，所述异常报告包括第二睑板腺严重等级和报告分析数据，所述报告分析数据表征所述睑板腺严重等级划分模型模型利用所述睑板腺区域、所述堵塞目标和所述文本类别进行预测的过程。
36、在本专利技术的一些实施例中，所述第一多模态眼科数据包括多种类型的眼科图片子数据，不同类型的所述眼科图片子数据表征不同类型的设备拍摄的眼科图片，所述睑板腺图片分类模型包括多种类型的设备图片子模型，基于设备类型，所述设备图片子模型与所述眼科图片子数据之间具有映射关系，所述严重程度分类模块，包括：
37、睑板腺子等级模块，用于基于所述映射关系，通过所述设备图片子模型对对应类型的所述眼科图片子数据进行严重程度分类处理，得到对应类型的睑板腺子等级；
38、加权求和模块，用于根据预设的权重对不同类型的所述睑板腺子等级进行加权求和，得到所述第一睑板腺严重等级。
39、在本专利技术的一些实施例中，所述睑板腺的异常报告生成装置，包括：
40、睑板腺密度模块，用于根据所述睑板腺区域在睑板区域的占比得到睑板腺密度；
41、弯曲本文档来自技高网...
【技术保护点】
1.一种睑板腺的异常报告生成方法，其特征在于，包括：
2.根据权利要求1所述的睑板腺的异常报告生成方法，其特征在于，所述第一多模态眼科数据包括多种类型的眼科图片子数据，不同类型的所述眼科图片子数据表征不同类型的设备拍摄的眼科图片，所述睑板腺图片分类模型包括多种类型的设备图片子模型，基于设备类型，所述设备图片子模型与所述眼科图片子数据之间具有映射关系，所述通过预设的睑板腺图片分类模型对所述第一多模态眼科数据中的睑板腺图片的严重程度进行分类，得到第一睑板腺严重等级，包括：
3.根据权利要求1所述的睑板腺的异常报告生成方法，其特征在于，在所述通过预设的睑板腺分割模型对所述第二多模态眼科数据中的睑板和睑板腺进行分割，得到睑板腺区域后，包括：
4.根据权利要求1所述的睑板腺的异常报告生成方法，其特征在于，所述通过预设的睑板腺文本分类模型对所述第四多模态眼科数据进行睑板腺文本分类，得到所述第四多模态眼科数据的文本类别，包括：
5.根据权利要求4所述的睑板腺的异常报告生成方法，其特征在于，所述通过BERT模型和分词器对所述第四多模态眼科数据进行转
6.一种睑板腺的异常报告生成装置，其特征在于，包括：
7.根据权利要求6所述的睑板腺的异常报告生成装置，其特征在于，所述第一多模态眼科数据包括多种类型的眼科图片子数据，不同类型的所述眼科图片子数据表征不同类型的设备拍摄的眼科图片，所述睑板腺图片分类模型包括多种类型的设备图片子模型，基于设备类型，所述设备图片子模型与所述眼科图片子数据之间具有映射关系，所述严重程度分类模块，包括：
8.根据权利要求6所述的睑板腺的异常报告生成装置，其特征在于，所述睑板腺的异常报告生成装置，包括：
9.一种电子设备，其特征在于，包括权利要求8所述的睑板腺的异常报告生成装置。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至7任一项所述的睑板腺的异常报告生成方法。
...【技术特征摘要】
1.一种睑板腺的异常报告生成方法，其特征在于，包括：
2.根据权利要求1所述的睑板腺的异常报告生成方法，其特征在于，所述第一多模态眼科数据包括多种类型的眼科图片子数据，不同类型的所述眼科图片子数据表征不同类型的设备拍摄的眼科图片，所述睑板腺图片分类模型包括多种类型的设备图片子模型，基于设备类型，所述设备图片子模型与所述眼科图片子数据之间具有映射关系，所述通过预设的睑板腺图片分类模型对所述第一多模态眼科数据中的睑板腺图片的严重程度进行分类，得到第一睑板腺严重等级，包括：
3.根据权利要求1所述的睑板腺的异常报告生成方法，其特征在于，在所述通过预设的睑板腺分割模型对所述第二多模态眼科数据中的睑板和睑板腺进行分割，得到睑板腺区域后，包括：
4.根据权利要求1所述的睑板腺的异常报告生成方法，其特征在于，所述通过预设的睑板腺文本分类模型对所述第四多模态眼科数据进行睑板腺文本分类，得到所述第四多模态眼科数据的文本类别，包括：
5.根据权利要求4所述的睑板腺的异常报告生...
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。