[发明专利]一种跨模态融合分析疾病的系统、设备、存储介质在审
申请号: | 202110063106.6 | 申请日: | 2021-01-18 |
公开(公告)号: | CN112908484A | 公开(公告)日: | 2021-06-04 |
发明(设计)人: | 杜登斌;杜小军;杜乐 | 申请(专利权)人: | 吾征智能技术(北京)有限公司 |
主分类号: | G16H50/70 | 分类号: | G16H50/70;G16H50/20;G16H30/20;G06T7/00;G06K9/46;G06T7/11;G06T7/136;G06T7/62;G06T7/90;G06T5/00 |
代理公司: | 武汉红观专利代理事务所(普通合伙) 42247 | 代理人: | 李季 |
地址: | 100000 北京市海淀区西三旗沁春*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 跨模态 融合 分析 疾病 系统 设备 存储 介质 | ||
本发明公开一种跨模态融合分析疾病的系统、设备、存储介质,所述方法包括:数据获取模块:用于获取多个前列腺液外观图像样本、对应的前列腺液常规检测数据以及伴随症状特征信息;预处理模块:用于对前列腺液外观图像样本进行图像特征提取,将对应的前列腺液常规检测数据以及伴随症状特征信息进行预处理;特征融合模块:用于将预处理后的三种特征融合在一起,并进行归一化处理,形成前列腺液医学生物特征与对应疾病的集合;关系挖掘模块:用于利用关联规则挖掘算法提取前列腺液医学生物特征与对应疾病之间的关联规则;疾病分析模块:用于基于关系挖掘模块的关联规则进行疾病分析。本发明实现了基于跨模态融合的疾病自动认知与分析。
技术领域
本发明属于数据处理技术领域,具体涉及一种跨模态融合分析疾病的系统、设备、存储介质。
背景技术
人体分泌物在一定程度上反映了人体的健康状况,比如前列腺液是前列腺的分泌物,正常前列腺液外观呈稀薄的淡乳白色,感染了炎症性状发生改变,炎症严重时物质地可变浓厚,色泽变黄或呈淡红色混浊,或含絮状物,并黏丝。前列腺癌时,前列腺液常显不同程度的血性。
目前在进行前列腺液常规检查时,在较大程度上依赖于人工检查,比如在载玻片上由检验人员使用显微镜人工目测若干个高倍视野后,估算白细胞、红细胞、卵磷脂小体等指标的平均值并出具检验报告。这些检测方式过度依赖常规检测数据,当需要结合外观性状进行判断时则依赖于专家经验,不利于前列腺相关疾病分析。
发明内容
有鉴于此,本发明提出了一种跨模态融合分析疾病的系统、设备、存储介质,用于解决前列腺检查时过度依赖常规检测数据和专家经验的问题。
本发明第一方面,公开一种跨模态融合分析疾病的系统,所述方法包括:
数据获取模块:用于获取多个前列腺液外观图像样本、对应的前列腺液常规检测数据以及伴随症状特征信息;
预处理模块:用于对前列腺液外观图像样本进行图像特征提取,将对应的前列腺液常规检测数据以及伴随症状特征信息进行预处理;
特征融合模块:用于将前列腺液外观图像特征、预处理后的前列腺液常规检测数据、伴随症状特征信息融合在一起,并进行归一化处理,形成前列腺液医学生物特征与对应疾病的集合;
关系挖掘模块:用于利用关联规则挖掘算法提取前列腺液医学生物特征与对应疾病之间的关联规则.
优选的,所述数据获取模块中,所述前列腺液常规检测数据包括前列腺液的卵磷脂小体、上皮细胞、红细胞、白细胞、精子、PH值;所述伴随症状特征信息包括但不限于尿频、尿急、尿不尽、尿滴白、尿分叉、前列腺液分泌过多。
优选的,所述预处理模块具体包括:
通过HSV颜色空间的分量表,提取前列腺液外观图像中的淡乳白色区域,并通过淡乳白色区域面积进行前列腺液外观性状的判定;
提取前列腺液常规检测数据的数值;
提取伴随症状特征信息的关键字,对伴随症状特征信息进行向量化表示。
优选的,所述关系挖掘模块具体包括:
阈值设置单元:预先设置最小支持度阈值、最小置信度阈值;
规则分析单元:基于前列腺液医学生物特征与对应疾病的集合,利用关联规则挖掘算法对集合中的每一类疾病的前列腺液外观图像特征、前列腺液常规检测数据、伴随症状特征信息分别进行关联规则分析,得到前列腺液外观图像特征、前列腺液常规检测数据、伴随症状特征信息与对应疾病之间的关联规则。
优选的,所述关联规则挖掘算法为Aprior算法或频繁模式增长树算法。
优选的,所述系统还包括疾病分析模块:用于基于关系挖掘模块的关联规则进行疾病分析。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于吾征智能技术(北京)有限公司,未经吾征智能技术(北京)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110063106.6/2.html,转载请声明来源钻瓜专利网。