[发明专利]一种肿瘤预测的方法、装置、电子设备及存储介质在审
申请号: | 202110481775.5 | 申请日: | 2021-04-30 |
公开(公告)号: | CN113113139A | 公开(公告)日: | 2021-07-13 |
发明(设计)人: | 周朋飞;张捷 | 申请(专利权)人: | 上海商汤智能科技有限公司 |
主分类号: | G16H50/20 | 分类号: | G16H50/20;G16H50/30;G16H50/80 |
代理公司: | 北京中知恒瑞知识产权代理事务所(普通合伙) 11889 | 代理人: | 吴迪 |
地址: | 200233 上海市徐*** | 国省代码: | 上海;31 |
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 肿瘤 预测 方法 装置 电子设备 存储 介质 | ||
1.一种肿瘤预测的方法,其特征在于,所述方法包括:
获取目标患者的肿瘤数据;
利用特征提取网络对所述肿瘤数据进行特征提取,得到至少一个肿瘤特征信息及其相关的注意力权重;
基于所述肿瘤特征信息和所述注意力权重,确定与所述目标患者对应的肿瘤预测结果。
2.根据权利要求1所述的方法,其特征在于,所述肿瘤数据为多种;所述利用特征提取网络对所述肿瘤数据进行特征提取,得到至少一个肿瘤特征信息及其相关的注意力权重,包括:
确定与多种所述肿瘤数据分别对应的注意力权重,并将确定的各个所述注意力权重作为初始注意力权重;
将所述初始注意力权重以及多种所述肿瘤数据输入到所述特征提取网络,利用所述特征提取网络对所述肿瘤数据进行特征提取,得到至少一个肿瘤特征信息及其相关的注意力权重。
3.根据权利要求2所述的方法,其特征在于,所述确定与多种所述肿瘤数据分别对应的注意力权重,包括:
针对每种肿瘤数据,确定该种肿瘤数据对应的数据特征;
从各种注意力权重确定网络中选取与确定的所述数据特征匹配的注意力权重确定网络;
将多种所述肿瘤数据输入至选取的所述注意力权重确定网络中,得到每种肿瘤数据分别对应的注意力权重。
4.根据权利要求2或3所述的方法,其特征在于,所述特征提取网络包括多层特征提取层,所述利用所述特征提取网络对所述肿瘤数据进行特征提取,得到至少一个肿瘤特征信息及其相关的注意力权重,包括:
通过所述多层特征提取层对所述肿瘤数据进行特征提取,得到每层特征提取层输出的多个肿瘤特征信息,以及除最后一层特征提取层外每层特征提取层输出的针对本层提取的各个肿瘤特征信息的注意力权重;
所述注意力权重用于下一层特征提取层确定肿瘤特征信息,且第一层特征提取层输出的肿瘤特征信息由所述初始注意力权重确定。
5.根据权利要求4所述的方法,其特征在于,每层特征提取层包括特征过滤模块和特征提取模块;所述通过所述多层特征提取层对所述肿瘤数据进行特征提取,得到每层特征提取层输出的多个肿瘤特征信息,包括:
针对每层特征提取层,基于该层特征提取层的上一层特征提取层中的特征提取模块输出的针对本层提取的各个肿瘤特征信息的注意力权重和特征过滤模块输出的多个过滤后肿瘤特征信息,得到该层特征提取层中的特征过滤模块输出的多个加权后肿瘤特征信息;
将该层特征提取层中的特征过滤模块输出的多个加权后肿瘤特征信息输入至该层特征提取层中的特征提取模块,确定该特征提取模块输出的多个肿瘤特征信息,并将该特征提取模块输出的多个肿瘤特征信息确定为对应的特征提取层输出的多个肿瘤特征信息。
6.根据权利要求5所述的方法,其特征在于,所述基于该层特征提取层的上一层特征提取层中的特征提取模块输出的针对本层提取的各个肿瘤特征信息的注意力权重和特征过滤模块输出的多个过滤后肿瘤特征信息,得到该层特征提取层中的特征过滤模块输出的多个加权后肿瘤特征信息,包括:
针对每层特征提取层,基于该层特征提取层的上一层特征提取层中的特征提取模块输出的针对本层提取的各个肿瘤特征信息的注意力权重,确定与该上一层特征提取层中的特征过滤模块输出的多个过滤后肿瘤特征信息中每个过滤后肿瘤特征信息分别对应的注意力权重;
将所述多个过滤后肿瘤特征信息以及每个过滤后肿瘤特征信息分别对应的注意力权重进行加权求和,得到该层特征提取层中的特征过滤模块输出的多个加权后肿瘤特征信息。
7.根据权利要求5或6所述的方法,其特征在于,在得到该层特征提取层中的特征过滤模块输出的多个加权后肿瘤特征信息之后,所述方法还包括:
基于该层特征提取层中的特征过滤模块输出的加权后肿瘤特征信息和上一层特征提取层中的特征过滤模块输出的多个过滤后肿瘤特征信息得到该层特征提取层中的特征过滤模块输出的多个过滤后肿瘤特征信息;
其中,该层特征提取层中的特征过滤模块输出的多个过滤后肿瘤特征信息用于下一层特征提取层中的特征提取模块输出多个肿瘤特征信息。
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上海商汤智能科技有限公司,未经上海商汤智能科技有限公司许可,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/202110481775.5/1.html,转载请声明来源钻瓜专利网。