[发明专利]多模态异构的医学数据处理方法及相关装置

说明书

本申请提供了一种多模态异构的医学数据处理方法、装置、电子设备及计算机可读存储介质，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。利用该方法可以从待测对象中筛选出感兴趣对象，针对感兴趣对象进行数据分析，从而减少计算量，提高工作效率。

技术领域

本申请涉及数据处理技术领域，尤其涉及多模态异构的医学数据处理方法、装置、电子设备及计算机可读存储介质。

背景技术

近年来，医疗领域的各项人工智能应用不断涌现，如语音录入病历、医疗影像智能识别、智能诊断、医疗机器人、个人健康大数据的智能分析、AI医药研发等。

目前国内外大部分医学人工智能企业的产品还处于单一模态数据源加上单病种智能诊断的阶段，对于异构多模态数据集的建设和多模态数据融合分析主要还处在学术研究阶段，还未发现多模态医学数据的融合分析在临床上进行应用的例子，多模态医学数据的融合分析与放疗计划生成，在国内临床应用领域仍然有充足的发展空间。

现有的智能诊断技术在医学数据的分析时，需要对大量的患者对象进行分析，工作量较大，预测效率较低。

发明内容

本申请的目的在于提供多模态异构的医学数据处理方法、装置、电子设备及计算机可读存储介质，从待测对象中筛选出感兴趣对象，针对感兴趣对象进行数据分析，从而减少计算量，提高工作效率。

本申请的目的采用以下技术方案实现：

第一方面，本申请提供了一种多模态异构的医学数据处理方法，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。该技术方案的有益效果在于，可以基于待测对象的电子病历获取待测对象与预设疾病的关联度，通过将该关联度与预设阈值进行对比，确定待测对象是否为感兴趣对象，当该关联度不小于预设阈值时，确定待测对象为感兴趣对象，基于感兴趣对象的医学影像数据和临床数据获取最终预测结果，利用该方法可以从待测对象中筛选出感兴趣对象，针对感兴趣对象进行数据分析，从而减少计算量，提高工作效率。

在一些可选的实施例中，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。该技术方案的有益效果在于，可以分别对感兴趣对象的医学影像数据和临床数据进行特征提取，将得到的影像特征和临床特征进行融合，得到融合特征，基于融合特征获取最终预测结果，相比于单独基于影像特征或者临床特征的预测方式，该方法结合影像特征和临床特征两种特征进行预测，预测准确率更高。

在一些可选的实施例中，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。该技术方案的有益效果在于，医学影像数据可能包括X光数据、CT数据、MRI数据等数据，可以对多种模态的医学影像数据进行多模态数据融合，其融合结果能够反应多种数据的特征，基于该融合结果做特征提取，所得到的影像特征更能准确反应多种医学影像数据的特点，从而提高最终预测结果的准确率。