基于深度学习的医疗数据应用方法、装置、设备及介质制造方法及图纸

本申请公开了一种基于深度学习的医疗数据应用方法、装置、设备及介质，获取初始图像数据集；根据初始图像数据集构建并训练生成第一神经网络模型组、第二神经网络模型组、第三神经网络模型组、第四神经网络模型组和第五神经网络模型组；获取待分析图像数据；将待分析图像数据分别输入各个神经网络模型组，得到第一眼征、第二眼征、第三眼征、第四眼征和第五眼征；根据预设的CAS评分计算公式和多个眼征计算得到目标预测结果。利用神经网络模型组自动提取待分析图像数据的图像特征，能够避免人工分析的主观性和易错性，再根据预设的CAS评分计算公式多个眼征计算得到目标预测结果，能够有效提高医疗数据处理结果的可靠性。

【技术实现步骤摘要】

本申请涉及但不限于医疗数据应用，尤其涉及一种基于深度学习的医疗数据应用方法、装置、设备及介质。

技术介绍

1、医疗数据与互联网技术相结合，能够促进现代医疗服务的质量提升，其中，医疗数据通常用于健康管理、医疗资源管理和预测医疗方案的可能性等辅助诊疗的操作，例如，通过医疗数据评估甲状腺相关眼病(tao)的活动期的情况。甲状腺相关眼病(tao)是一种与甲状腺功能异常密切相关的器官特异性自身免疫性眼眶疾病，主要表现为眼球突出、眼睑水肿、结膜充血等临床表现。相关技术中，通常需要人工甄别医学图像数据，凭经验对医学图像数据进行分析，以得到用于辅助诊疗的医学图像数据处理结果。但是，此种方式容易受到主观因素影响，影响医疗数据处理结果的可靠性。

技术实现思路

1、本申请实施例提供了一种基于深度学习的医疗数据应用方法、装置、设备及介质，能够有效提高医疗数据处理结果的可靠性。

2、第一方面，本申请实施例提供了一种基于深度学习的医疗数据应用方法，包括：

3、获取初始图像数据集；

4、根据所述初始图像本文档来自技高网...

【技术保护点】

1.一种基于深度学习的医疗数据应用方法，其特征在于，包括：

2.根据权利要求1所述的基于深度学习的医疗数据应用方法，其特征在于，所述初始图像数据集包括至少一个初始图像数据，在所述获取初始图像数据集之后，所述方法还包括：

3.根据权利要求1所述的基于深度学习的医疗数据应用方法，其特征在于，所述根据所述初始图像数据集构建并训练生成第一神经网络模型组、第二神经网络模型组、第三神经网络模型组、第四神经网络模型组和第五神经网络模型组，包括：

4.根据权利要求3所述的基于深度学习的医疗数据应用方法，其特征在于，所述根据所述第一图像组构建并训练生成第一神经网络模型组...

【技术特征摘要】

1.一种基于深度学习的医疗数据应用方法，其特征在于，包括：

2.根据权利要求1所述的基于深度学习的医疗数据应用方法，其特征在于，所述初始图像数据集包括至少一个初始图像数据，在所述获取初始图像数据集之后，所述方法还包括：

3.根据权利要求1所述的基于深度学习的医疗数据应用方法，其特征在于，所述根据所述初始图像数据集构建并训练生成第一神经网络模型组、第二神经网络模型组、第三神经网络模型组、第四神经网络模型组和第五神经网络模型组，包括：

4.根据权利要求3所述的基于深度学习的医疗数据应用方法，其特征在于，所述根据所述第一图像组构建并训练生成第一神经网络模型组，包括：

5.根据权利要求4所述的基于深度学习的医疗数据应用方法，其特征在于，所述将所述待分析图像数据输入至所述第一神经网络模型组，得到第一眼征，包括：

【专利技术属性】
技术研发人员：李冬梅，王乐晨，魏理，
申请(专利权)人：明思未来北京科技发展有限公司，
类型：发明
国别省市：