[发明专利]基于多模态超声组学特征建模的方法及系统

说明书

本发明公开了一种基于多模态超声组学特征建模的方法及系统，包括：获取病变部位的若干超声数据，得到多模态超声组学数据(包含“时间”模态)；从多模态超声组学数据中筛选出多个特征数据；将多个特征数据通过特征工程网络进行二维卷积和三维卷积，并根据得到的立体卷积和多个特征数据的变化率差值，分析得到最佳特征组合；根据最佳特征组合，建立特征组合模型。相比于传统的特征建模方法，本发明通过特征工程网络对多模态超声数据的多个特征数据进行二维卷积和立体卷积，并分析多个特征数据的立体卷积和变化率差值后，得到空间和时间互补的若干特征数据作为最佳特征组合后进行建模，从而解决模型过拟合的问题，更真实地反映疾病的全貌。

技术领域

本发明涉及超声医学技术领域，尤其涉及一种基于多模态超声组学特征建模的方法及系统。

背景技术

随着精准医疗及大数据的来临，通过建立超声数据的特征模型，从而对病变部位进行分析已成为临床医学的核心环节之一。现有技术中，通常采用提取病变部位的单模态超声数据，并通过深度学习训练单模态超声数据建立特征模型。但实际疾病转归受到不同病理生理、血流动力学、空间及时间状态的相互交互和影响，因此利用单模态建立的特征模型无法准确地用于疾病分析，且当当单模态的医学图像数量有限时，利用深度学习网络进行单模态超声数据的特征建模需要设置较多参数，这样会导致模型过拟合。

发明内容

本发明实施例所要解决的技术问题在于，解决模型过拟合的问题，真实反映疾病的全貌。

为解决上述问题，本发明实施例提供基于多模态超声组学特征建模的方法，适于在计算设备中执行，至少包括如下步骤：

获取病变部位的若干超声数据，组成多模态超声组学数据；

对所述多模态超声组学数据进行图像数据处理，筛选出所述多模态超声组学数据中的N个特征数据；其中，N≥1，且N为正整数；

将所述N个特征数据通过特征工程网络进行立体卷积后，根据所述立体卷积的立体卷积核像素值在不同步长下变化率的变化趋势，得到每个所述特征数据的变化率差值；

根据所述立体卷积后的空间信息和时序信息，基于所述变化率差值，将所述N个特征数据中空间和时间互补的M个特征数据作为最佳特征组合，并根据所述最佳特征组合，建立多模态超声组学的特征组合模型；其中，M≤N，且M为正整数。

进一步的，所述提取病变部位的若干超声数据，组成多模态超声组学数据，具体为：

根据病变部位的相应疾病模型，基于疾病的病理生理、血流动力学特性、时间特性以及空间特性，提取若干超声数据，组成多模态超声组学数据。

进一步的，所述对所述多模态超声组学数据进行图像数据处理，筛选出所述多模态超声组学数据中的N个特征数据，具体为：

基于所述病变部位的病理特征，对所述多模态超声组学进行图像区域识别后，通过图像质量筛选和造影视频质控，筛选出所述多模态超声组学数据中的N个特征数据。

进一步的，所述将所述N个特征数据通过特征工程网络进行立体卷积后，根据所述立体卷积的立体卷积核像素值在不同步长下变化率的变化趋势，得到每个所述特征数据的变化率差值，具体为：

将所述N个特征数据通过特征工程网络中一一对应的N个过滤器进行卷积，获取所述N个特征数据的二维特征图，并将所述N个特征数据的二维特征图通过组合后进行立体卷积，获取所述N个特征数据的三维特征图后，根据所述立体卷积的立体卷积核像素值在不同步长下变化率的变化趋势，获取每个所述特征数据在不同步长下变化率的变化趋势，从而得到每个所述特征数据的变化率差值。

进一步的，所述多模态超声组学数据的来源包括：肝脏、乳腺、甲状腺、肾脏、脾脏、心脏、胃肠组织、肌骨神经组织、生殖器及附件、孕期子宫或胎儿。