[发明专利]一种基于卷积神经网络的医疗辅助诊断方法及系统

权利要求书

1.一种基于卷积神经网络的医疗辅助诊断方法，其特征在于，包括以下步骤：

采集待诊断患者的电子病历和医学影像图片；

通过构建卷积神经网络模型，根据由所述电子病历获取的词向量矩阵，并依据所述医学影像图片，构建表示唯一患者ID的疾病特征向量空间；

使用分类器对所述疾病特征向量空间进行分类，获取所述待诊断患者对应的各个病症的患病概率，并将所述患病概率显示在所述电子病历和/或所述医学影像图片。

2.根据权利要求1所述一种基于卷积神经网络的医疗辅助诊断方法，其特征在于：

在获取电子病历的过程中，对所述电子病历进行信息过滤、筛选、分词、统计中的至少一种操作，获取待诊断患者病历的各个医疗词汇；

根据所述医疗词汇之间的相互关系，构建具有指向功能的词向量矩阵。

3.根据权利要求2所述一种基于卷积神经网络的医疗辅助诊断方法，其特征在于：

在获取医学影像图片的过程中，对所述医学影像图片进行样本扩充、降噪、格式统一中的至少一种操作，获取所述待诊断患者的所述电子病历对应的图片集；

根据所述词向量矩阵的指向性，获取关联所述词向量矩阵的医学影像特征，并对所述图片集进行标注，获取疾病特征向量空间。

4.根据权利要求3所述一种基于卷积神经网络的医疗辅助诊断方法，其特征在于：

在获取疾病特征向量空间的过程中，构建所述构建卷积神经网络模型，对进行标注后的所述图片集，进行训练识别，生成所述疾病特征向量空间。

5.根据权利要求4所述一种基于卷积神经网络的医疗辅助诊断方法，其特征在于：

在生成图片集的过程中，将同一患者的同一诊断对应的医学影像图片归为一类；

将医学影像图片的格式统一调整为同一格式。

6.根据权利要求5所述一种基于卷积神经网络的医疗辅助诊断方法，其特征在于：

在生成词向量矩阵的过程中，将所述医疗词库中的医疗词汇输入到预先建立的Word2Vec模型中，并根据医疗词汇的指向关系，生成所述医疗词汇对应的词向量；

根据所述医疗词汇以及所述词向量，构建所述词向量矩阵。

7.根据权利要求6所述一种基于卷积神经网络的医疗辅助诊断方法，其特征在于：

在获取患病概率的过程中，通过反向迭代算法，对已诊断的患者的各个病症的患病概率和已诊断的患者对应的医生诊断结果进行分析，根据分析结果修正所述卷积神经网络模型的参数和所述分类器的参数。

8.根据权利要求7所述一种基于卷积神经网络的医疗辅助诊断方法，其特征在于：

在使用分类器的过程中，所述分类器为softmax分类器。

9.根据权利要求8所述一种基于卷积神经网络的医疗辅助诊断方法，其特征在于：

在构建卷积神经网络模型的过程中，所述卷积神经网络模型包括：输入层、卷积层、池化层、全连接层，其中，所述卷积层包括至少3个不同尺寸的卷积核。

10.一种基于卷积神经网络的医疗辅助诊断系统，其特征在于，包括：

数据采集模块，用于采集待诊断患者的电子病历和医学影像图片；

向量空间特征标识模块，用于通过构建卷积神经网络模型，根据由所述电子病历获取的词向量矩阵，并依据所述医学影像图片，构建表示唯一患者ID的疾病特征向量空间；

辅助诊断显示模块，用于使用分类器对所述疾病特征向量空间进行分类，获取所述待诊断患者对应的各个病症的患病概率，并将所述患病概率显示在所述电子病历和/或所述医学影像图片。