【技术实现步骤摘要】
本申请涉及图像处理，尤其是涉及一种诊断建议生成模型的训练方法、装置及电子设备。
技术介绍
1、放射科医生的诊治工作一般包括观察医学影像(如mri、ct等)、撰写影像描述、总结诊断建议等几个关键步骤；而其中的基于影像和异常描述进行诊断建议的总结是最为复杂且重要的步骤，即便对于实际经验较为丰富的放射科医师来说，也很难给出相对准确的诊断建议。而近几年来，随着自然语言处理领域的计算机技术快速发展和深度神经网络模型的普遍应用，在医学领域出现了许多基于医疗文本数据的文本生成方法，它们利用深度学习技术提取出医疗文本特征信息，再通过网络预测最可能的后续语句，从而实现自动化生成所需的医疗文本，能在一定程度上减轻医生的文书撰写负担。
2、目前，现有的自动生成中文诊断建议的模型，对于中文影像报告的描述与诊断建议文本的理解和处理相对简单；且，在衡量训练得到的中文诊断建议模型时，只考虑了预测诊断建议与参考诊断建议之间的相似程度，这种方式难以准确地衡量医疗文本生成质量的问题，进而，无法获得生成精度较高的诊断建议生成模型。
技<本文档来自技高网...
【技术保护点】
1.一种诊断建议生成模型的训练方法，其特征在于，所述训练方法包括：
2.根据权利要求1所述的训练方法，其特征在于，所述通过整理获取到的医疗影像报告，划分得到用于训练基底模型的训练样本集和用于验证所述基底模型的测试样本集，包括：
3.根据权利要求2所述的训练方法，其特征在于，所述通过对获取到的多份医疗影像报告进行数据整理，结合已规划的描述-诊断模板，生成多条描述-诊断样本，包括：
4.根据权利要求2所述的训练方法，其特征在于，所述对所述多条描述-诊断样本进行清洗划分，获得用于训练基底模型的训练样本集和用于验证所述基底模型的测试样本集，
...
【技术特征摘要】
1.一种诊断建议生成模型的训练方法，其特征在于，所述训练方法包括：
2.根据权利要求1所述的训练方法，其特征在于，所述通过整理获取到的医疗影像报告，划分得到用于训练基底模型的训练样本集和用于验证所述基底模型的测试样本集，包括：
3.根据权利要求2所述的训练方法，其特征在于，所述通过对获取到的多份医疗影像报告进行数据整理，结合已规划的描述-诊断模板，生成多条描述-诊断样本，包括：
4.根据权利要求2所述的训练方法，其特征在于，所述对所述多条描述-诊断样本进行清洗划分，获得用于训练基底模型的训练样本集和用于验证所述基底模型的测试样本集，包括：
5.根据权利要求1所述的训练方法，其特征在于，所述评估维度包括相似度维度、文字维度、词语维度以及序列维度；所述通过在不同评估维度上比对所述预测诊断建议与该描述-诊断样本的参考诊断建议，确定该描述-诊断样本的第一评估指标，包括：
6.根据权利要求1所述的训练方法，其特征在于，所述医...
【专利技术属性】
技术研发人员：刘亚欧，张美慧，叶初阳，卓芝政，陈龙飞，史东立，赵山博，徐冰，高鑫，隋建飞，李朱玥融，
申请(专利权)人：首都医科大学附属北京天坛医院，
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。