申请/专利权人:上海理工大学;上海交通大学医学院附属新华医院;上海交通大学医学院附属仁济医院
申请日:2024-03-26
公开(公告)日:2024-06-28
公开(公告)号:CN118262205A
主分类号:G06V10/80
分类号:G06V10/80;G06V10/764;G06V10/82;G06V10/32;G06T7/00
优先权:
专利状态码:在审-公开
法律状态:2024.06.28#公开
摘要:本发明涉及一种基于知识引导的多模态异构医学特征融合方法,首先获取患者的多张CT切片数据以及实验室检查数据;通过特征编码器分别提取患者的多张CT切片数据的CT特征信息以及实验室检查数据特征信息;由知识引导融合层将CT数据作为先验知识引导提取实验室检查数据的深层次特征,同时将实验室检查数据作为先验知识引导提取CT数据的深层次特征,并对深层次特征进行融合;对所得的基于知识引导的融合特征进行分类,得到最终的分类结果。与现有技术相比,本发明能够发掘CT数据与实验室检查数据这两种不同模态数据之间的潜在深层次关系,以提升疾病诊断模型的推理准确度。
主权项:1.一种基于知识引导的多模态异构医学特征融合方法,其特征在于,所述方法步骤包括:获取患者的多张CT切片数据以及实验室检查数据,对获取数据进行预处理后输入基于知识引导的多模态特征融合模型;所述的基于知识引导的多模态特征融合模型包括特征编码器、知识引导融合层以及分类层;通过多张CT切片编码器提取患者的多张CT切片数据的CT特征信息,通过实验室检查数据编码器提取患者实验室检查数据的实验室检查数据特征信息;知识引导融合层,分别以实验室检查数据特征信息作为先验知识引导模型对CT特征信息进行深度特征提取,以CT特征信息作为先验知识引导模型对实验室检查数据特征进行深度特征提取,对所提取的CT深度特征信息与实验室检查数据深度特征信息进行融合,生成基于知识引导的融合特征;分类层对所得的基于知识引导的融合特征进行分类,得到最终的分类结果。
全文数据:
权利要求:
百度查询: 上海理工大学;上海交通大学医学院附属新华医院;上海交通大学医学院附属仁济医院 一种基于知识引导的多模态异构医学特征融合方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。