[发明专利]基于超声组学和深度学习的疾病智能化分析方法及系统在审
| 申请号： | 201811316894.X | 申请日： | 2018-11-06 |
| 公开（公告）号： | CN109558896A | 公开（公告）日： | 2019-04-02 |
| 发明（设计）人： | 王伟;吕明德;匡铭;谢晓燕;陈立达;王竹;梁瑾瑜;胡航通 | 申请（专利权）人： | 中山大学附属第一医院 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/06;G06N3/08;G16H50/20 |
| 代理公司： | 广州三环专利商标代理有限公司 44202 | 代理人： | 颜希文;麦小婵 |
| 地址： | 510000 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于超声组学和深度学习的疾病智能化分析方法及系统，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；将多模态超声组学数据输入深度学习神经网络，根据多模态超声组学数据调整神经元的连接权重、配比卷积和池化层，得到调整后的多模态超声组学数据；利用不同模态下的分类器对调整后的多模态超声组学数据进行分类，并通过判别器得到每个分类的分数后，根据每个分类的分数，获得预后判断、疗效评估和辅助诊断结果。相比于现有利用单模态超声数据进行疾病智能化分析的方法，本发明技术方案根据多模态超声组学数据的特性，从数据和模型设计层面优化深度学习网络，提高疾病智能化分析的准确率和预测价值。 | ||
| 搜索关键词： | 超声 组学 多模态 智能化分析 疾病 超声数据 分类 神经元 学习神经网络 病变部位 辅助诊断 疗效评估 模型设计 数据调整 预后判断 单模态 分类器 判别器 准确率 池化 卷积 模态 配比 权重 学习 预测 优化 网络 | ||
【主权项】：
1.一种基于超声组学和深度学习的疾病智能化分析方法，适于在计算设备中执行，其特征在于，至少包括如下步骤：获取病变部位的若干超声数据，得到多模态超声组学数据；将所述多模态超声组学数据输入训练好的深度学习神经网络，并根据所述多模态超声组学数据调整神经元的连接权重、配比卷积和池化层，得到调整后的多模态超声组学数据；利用不同模态下的分类器对调整后的多模态超声组学数据中的每个数据进行分类，得到包含每个分类的所有模态的分类概率；根据判别器给出的模态之间的混淆分数，对所有模态的分类概率进行加权平均处理，得到每个分类的分数；基于临床结局指标和基因组学数据，根据每个分类的分数，采用逻辑回归法计算高风险指标、采用决策树或Adaboost的方法建立分类模型以及采用t检验和pearson/spearman相关性分析，获得预后判断结果、疗效评估结果和辅助诊断结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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中山大学附属第一医院，未经中山大学附属第一医院许可，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/patent/201811316894.X/，转载请声明来源钻瓜专利网。
