买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：武汉大学

摘要：本发明提供了一种基于深度学习的新冠肺炎重症检测模型的构建方法及系统，该方法构建的模型包括：多视角医学图像前处理模块、多视角医学图像互注意力模块、多视角医学图像后处理模块和多模态医学数据融合模块。多视角医学图像前处理模块用于提取多视角医学图像特征；多视角医学图像互注意力模块用于提取多视角特征之间的潜在相互关系，生成每个视角各自的混合表征；多视角医学图像后处理模块进一步提取混合表征的特征；多模态医学数据融合模块用于基于仿射变换，将医学图像特征与医学文本数据进行结合。四个模块联合进行训练，实现对新冠肺炎重症的检测。该模型可以有效应用于临床检测，解决了当前基于深度学习算法的医学数据视角模态单一的问题。

主权项：1.一种基于深度学习的新冠肺炎重症检测模型的构建方法，其特征在于，包括：构建数据集，其中，数据集中包括多视角医学图像数据和生化指标数据；构建基于深度学习的新冠肺炎重症检测模型，其中，基于深度学习的新冠肺炎重症检测模型包括多视角医学图像前处理模块、多视角医学图像互注意力模块、多视角医学图像后处理模块、多模态医学数据融合模块和全连接层；多视角医学图像前处理模块用于对输入的多视角医学图像数据进行特征提取，获得前处理图像特征；多视角医学图像互注意力模块用于针对获取的前处理图像特征，使用注意力机制来获取互注意力特征，并将互注意力特征与相应的前处理图像特征进行拼接，获得混合特征；多视角医学图像后处理模块用于对混合特征进行进一步特征提取获得后处理图像特征；多模态医学数据融合模块用于根据后处理图像特征和生化指标数据获得多模态特征；全连接层用于根据多模态特征得到检测结果；从构建的数据集中划分出训练集对新冠肺炎重症检测模型进行训练，并计算损失函数，指导训练网络，得到训练好的新冠肺炎重症检测模型；其中，前处理图像特征包括左视角前处理图像特征Fpre,L和右视角前处理图像特征Fpre,R，多视角医学图像互注意力模块的处理过程包括：针对获取的前处理图像特征Fpre,L和Fpre,R，使用注意力机制来获取互注意力特征，包括从右到左的互注意力特征FR2L和从左到右的互注意力特征FL2R；将FR2L和FL2R分别与相应的前处理特征进行通道拼接获得混合特征，包括左混合特征Fatt,L＝[FR2L,Fpre,L]和右混合特征Fatt,R＝[FL2R,Fpre,R]；混合特征包括左混合特征Fatt,L＝[FR2L,Fpre,L]和右混合特征Fatt,R＝[FL2R,Fpre,R]，多视角医学图像后处理模块使用残差网络，处理过程包括：针对获取的混合特征Fatt,L和Fatt,R，进一步进行特征提取，从而获得后处理图像特征，包括左后处理特征Fpost,L和右后处理特征Fpost,R；后处理图像特征包括左后处理特征Fpost,L和右后处理特征Fpost,R，多模态医学数据融合模块的处理过程包括：对Fpost,L和Fpost,R进行通道拼接获得拼接特征FLR；利用若干个卷积层对生化指标数据tBIO进行处理获得仿射变化参数α和β根据获得的放射变换参数对拼接特征FLR进行仿射变换获得多模态特征Fmm。

全文数据：

权利要求：

百度查询： 武汉大学 一种基于深度学习的新冠肺炎重症检测模型的构建方法及系统