[发明专利]多模态异构的医学数据处理方法及相关装置

权利要求书

1.一种多模态异构的医学数据处理方法，其特征在于，所述方法包括：

获取待测对象的电子病历，基于所述电子病历，获取所述待测对象与预设疾病的关联度，当所述待测对象与所述预设疾病的关联度不小于预设阈值时，确定所述待测对象作为感兴趣对象；

获取所述感兴趣对象的医学影像数据和临床数据；

根据所述感兴趣对象的医学影像数据和临床数据，获取所述感兴趣对象的最终预测结果。

2.根据权利要求1所述的多模态异构的医学数据处理方法，其特征在于，所述根据所述感兴趣对象的医学影像数据和临床数据，获取所述感兴趣对象的最终预测结果，包括：

对所述感兴趣对象的医学影像数据进行特征提取，得到影像特征；

对所述感兴趣对象的临床数据进行特征提取，得到临床特征；

根据所述影像特征和所述临床特征进行融合，得到融合特征，基于所述融合特征，获取所述感兴趣对象的针对所述预设疾病的最终预测结果。

3.根据权利要求2所述的多模态异构的医学数据处理方法，其特征在于，所述感兴趣对象的医学影像数据包括多模态的医学影像数据；

所述对所述感兴趣对象的医学影像数据进行特征提取，得到影像特征，包括：

对所述感兴趣对象的医学影像数据进行多模态数据融合，得到阶段融合结果；

对所述阶段融合结果进行特征提取，得到所述影像特征。

4.根据权利要求2所述的多模态异构的医学数据处理方法，其特征在于，所述方法还包括：

基于所述影像特征，获取所述感兴趣对象的针对所述预设疾病的初次预测结果；

所述基于所述融合特征，获取所述感兴趣对象的针对所述预设疾病的最终预测结果，包括：

基于所述融合特征以及所述感兴趣对象的针对所述预设疾病的初次预测结果，获取所述感兴趣对象的针对所述预设疾病的最终预测结果。

5.根据权利要求4所述的多模态异构的医学数据处理方法，其特征在于，利用深度学习模型执行以下处理：对所述感兴趣对象的医学影像数据进行多模态数据融合，得到阶段融合结果；对所述阶段融合结果进行特征提取，得到所述影像特征；基于所述影像特征，获取所述感兴趣对象的针对所述预设疾病的初次预测结果；

利用机器学习模型执行以下处理：对所述感兴趣对象的临床数据进行特征提取，得到临床特征；对所述影像特征和所述临床特征进行融合，并对融合结果进行特征提取，得到融合特征，并基于所述融合特征以及所述感兴趣对象的针对所述预设疾病的初次预测结果，获取所述感兴趣对象的针对所述预设疾病的最终预测结果。

6.根据权利要求5所述的多模态异构的医学数据处理方法，其特征在于，所述获取所述感兴趣对象的医学影像数据和临床数据，包括：

从第一预设数据库中获取所述感兴趣对象的医学影像数据并存储至消息队列；

从第二预设数据库中获取批量数据，扫描所述批量数据，当扫描到所述感兴趣对象的临床数据时，将所述感兴趣对象的临床数据放入所述消息队列；

利用所述消息队列，将所述感兴趣对象的医学影像数据发送至所述深度学习模型，将所述感兴趣对象的临床数据发送至所述机器学习模型。

7.根据权利要求1所述的多模态异构的医学数据处理方法，其特征在于，所述基于所述电子病历，获取所述待测对象与预设疾病的关联度，包括：

获取所述预设疾病对应的融合方案；

基于所述融合方案，确定所述预设疾病对应的关联度计算策略以及所述预设阈值；

基于所述待测对象的电子病历，通过语义网关，获取至少一种特定字段及其字段值；

基于所述至少一种特定字段及其字段值以及所述关联度计算策略，计算得到所述待测对象与所述预设疾病的关联度。

8.根据权利要求1所述的多模态异构的医学数据处理方法，其特征在于，所述方法还包括：

基于所述最终预测结果以及所述感兴趣对象的电子病历，生成所述感兴趣对象对应的参考治疗方案。