慢性疾病预后方法、模型、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术公开了一种慢性疾病预后方法、模型、装置、计算机设备及存储介质，方法包括：获取待预后人员的医学图像以及医疗数据；在医学图像中，提取出深度学习特征以及影像组学特征；在深度学习特征以及影像组学特征二者中，确定出二者的共享特征以及独特特征；基于共享特征以及独特特征进行融合处理，得到目标融合特征；基于目标融合特征以及医疗数据，构建得到多组学图；基于多组学图进行预后处理，得到待预后人员的预后结果。通过目标融合特征与医疗数据等不同模态的数据，构建出的多组学图能够在提升不同模态间表达互补性的基础上，增强了模型对复杂病理信息的建模能力，从而显著提高预后预测结果的准确性与鲁棒性。

【技术实现步骤摘要】

本专利技术涉及智慧医疗领域，尤其涉及一种慢性疾病预后方法、模型、装置、计算机设备及存储介质。

技术介绍

1、慢性疾病，例如慢性肝病(cld)已经成为一个重要的全球健康问题，关于慢性疾病的准确预后至关重要。传统的预后工具，包括有child-pugh评分和终末期肝病模型(meld)等，但其经常无法考虑患者的变化，致使预后准确性降低。因此，如何提供一种能够提升预后准确性的慢性疾病预后方法，成为了一个亟待解决的问题。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种慢性疾病预后方法、模型、装置、计算机设备及存储介质，以解决传统方法的预后准确性较低的问题。

2、获取待预后人员的医学图像以及医疗数据；

3、在所述医学图像中，提取出深度学习特征以及影像组学特征；

4、在所述深度学习特征以及所述影像组学特征二者中，确定出二者的共享特征以及独特特征；

5、基于所述共享特征以及所述独特特征进行融合处理，得到目标融合特征；

6、基于所述目标融合特征以及所述医疗数本文档来自技高网...

【技术保护点】

1.一种慢性疾病预后方法，其特征在于，所述方法包括：

2.如权利要求1所述的慢性疾病预后方法，其特征在于，所述在所述深度学习特征以及所述影像组学特征二者中，确定出二者的共享特征以及独特特征，包括：

3.如权利要求2所述的慢性疾病预后方法，其特征在于，所述在所述第一潜在变量以及所述第二潜在变量二者中，确定出二者的共享特征以及独特特征，包括：

4.如权利要求3所述的慢性疾病预后方法，其特征在于，所述通过预设的互信息优化机制，对所述第一潜在变量以及所述第二潜在变量进行优化处理，得到所述第一潜在变量对应的第一目标潜在变量以及所述第二潜在变量对应的第二目标潜在变...

【技术特征摘要】

1.一种慢性疾病预后方法，其特征在于，所述方法包括：

2.如权利要求1所述的慢性疾病预后方法，其特征在于，所述在所述深度学习特征以及所述影像组学特征二者中，确定出二者的共享特征以及独特特征，包括：

3.如权利要求2所述的慢性疾病预后方法，其特征在于，所述在所述第一潜在变量以及所述第二潜在变量二者中，确定出二者的共享特征以及独特特征，包括：

4.如权利要求3所述的慢性疾病预后方法，其特征在于，所述通过预设的互信息优化机制，对所述第一潜在变量以及所述第二潜在变量进行优化处理，得到所述第一潜在变量对应的第一目标潜在变量以及所述第二潜在变量对应的第二目标潜在变量，包括：

5.如权利要求1所述的慢性疾病预后方法，其特征在于，所述基于所述目标融合特征以及所述医疗数据，构建得到多组学图，包括：

6.一种慢性疾病预后模型，其特征在于，所...

【专利技术属性】
技术研发人员：王昌淼，肖庆颖，吴凌龙，单许豪，王可欣，葛瑞泉，万翔，于广军，
申请(专利权)人：国家健康医疗大数据研究院深圳，
类型：发明
国别省市：