【技術實現步驟摘要】
本申請涉及醫學識別，尤其涉及一種腦梗危急重癥識別系統。
技術介紹
1、隨著工作壓力增大，腦部疾病在年輕人中的患病比例也處于持續增長態勢，腦供血不足是引發腦部疾病的一種常見因素，腦供血不足嚴重者甚至危及到生命。現有的腦部疾病檢查方法，通常是采用ct(電子計算機斷層掃描)或mr(磁共振檢查)等方式對患者腦部進行掃描得到腦部掃描圖像，通過對腦部掃描圖像進行解讀來判斷腦梗死核心區域范圍。
2、傳統的腦梗危急重癥識別是由醫生對患者的腦部掃描圖像進行肉眼觀察診斷，其識別率低、耗時比較長，診斷結果也往往具有主觀性和低可靠性。因此，亟需一種腦梗危急重癥識別系統以提高腦梗危急重癥的識別效率和識別準確度。
技術實現思路
1、本申請實施例提供一種腦梗危急重癥識別系統，用于提高腦梗危急重癥的識別效率和識別準確度。
2、本專利技術實施例提供一種腦梗危急重癥識別系統，所述系統包括：用戶客戶端、數據獲取裝置以及腦梗識別裝置，所述腦梗識別裝置和所述用戶客戶端、所述數據獲取裝置信連接，所述腦梗識別裝置用于執行下述步驟：
3、獲取用戶通過所述用戶客戶端上傳的用戶基礎數據、癥狀文本數據、病史文本數據以及用戶局部圖像；以及通過所述數據獲取裝置獲取的所述用戶醫療圖像；所述用戶局部圖像包括用戶的面部圖像以及舌苔圖像；
4、對所述用戶基礎數據、所述癥狀文本數據和所述病史文本數據進行分別進行文本提取，確定多個基礎數據鍵值對、癥狀鍵值對、病史鍵值對；所述基礎數據鍵值對包括基礎數據元素
5、基于預置映射表確定各個基礎數據鍵值對、癥狀鍵值對、病史鍵值對分別對應的權重值，所述預置映射表中存儲有所有基礎數據元素、癥狀元素、病史元素分別對應的權重值；
6、通過所述多個基礎數據鍵值對、癥狀鍵值對、病史鍵值對及其分別對應的權重值確定腦梗評價數據特征向量矩陣，所述腦梗評價數據特征向量矩陣包括3列數據，第一列中的數據元素為基礎數據元素對應的基礎數據值、權重值，第二列中的數據元素為癥狀元素對應的癥狀值、權重值，第三列中的數據元素為病史元素對應的病史值、權重值；
7、根據所述腦梗評價數據特征向量矩陣、所述用戶局部圖像確定所述用戶的第一腦梗識別結果；
8、根據所述腦梗評價數據特征向量矩陣、所述用戶醫療圖像確定所述用戶的第二腦梗識別結果；
9、通過所述第一腦梗識別結果和所述第二腦梗識別結果確定所述用戶的最終腦梗識別結果。
10、在本專利技術提供的一個可選實施例中，所述對所述用戶基礎數據、所述癥狀文本數據和所述病史文本數據進行分別進行文本提取，確定多個基礎數據鍵值對、癥狀鍵值對、病史鍵值對，包括：
11、對所述用戶基礎數據、所述癥狀文本數據和所述病史文本數據分別進行關鍵詞提取得到基礎關鍵詞集合、癥狀關鍵詞集合、病史關鍵詞集合；
12、基于基礎數據詞庫對基礎關鍵詞集合中的關鍵詞進行同義詞匹配得到基礎數據元素；基于癥狀詞庫對癥狀關鍵詞集合中的關鍵詞進行同義詞匹配得到癥狀元素；基于病史詞庫對病史關鍵詞集合中的關鍵詞進行同義詞匹配得到病史元素；所述基礎數據詞庫中存儲有關于用于確定腦梗的基礎關鍵詞；所述癥狀詞庫中存儲有關于用于確定腦梗的癥狀關鍵詞，所述病史詞庫中存儲有關于用于確定腦梗的病史關鍵詞；
13、對所述用戶基礎數據進行文本上下文分析匹配得到基礎數據元素對應的基礎數據值；對所述癥狀文本數據進行文本上下文分析匹配得到所述癥狀元素對應的癥狀值；對所述病史元素進行文本上下文分析匹配得到所述病史元素對應的病史值。
14、在本專利技術提供的一個可選實施例中，所述根據所述腦梗評價數據特征向量矩陣、所述用戶局部圖像確定所述用戶的第一腦梗識別結果，包括：
15、將所述腦梗評價數據特征向量矩陣、所述用戶局部圖像輸入到第一腦梗識別模型中，通過所述第一腦梗識別模型中的特征提取模塊提取所述用戶局部圖像的顏色特征以及紋理特征；
16、通過所述第一腦梗識別模型中的特征融合模塊對所述顏色特征以及所述紋理特征進行融合得到局部圖像融合特征；
17、根據所述局部圖像融合特征以及所述腦梗評價數據特征向量矩陣預測得到用戶的第一腦梗識別結果，所述第一腦梗識別結果包括預測腦梗等級以及預測概率值。
18、在本專利技術提供的一個可選實施例中，所述根據所述腦梗評價數據特征向量矩陣、所述用戶醫療圖像確定所述用戶的第二腦梗識別結果，包括：
19、將所述腦梗評價數據特征向量矩陣、所述用戶醫療圖像輸入到第二腦梗識別模型中，通過所述第二腦梗識別模型中的特征提取模塊提取所述用戶醫療圖像的梗死部位特征以及梗死面積特征；
20、通過所述第二腦梗識別模型中的特征融合模塊對所述梗死部位特征以及所述梗死面積特征進行融合得到醫療圖像融合特征；
21、根據所述醫療圖像融合特征以及所述腦梗評價數據特征向量矩陣預測得到用戶的第二腦梗識別結果，所述第二腦梗識別結果包括預測腦梗等級以及預測概率值。
22、在本專利技術提供的一個可選實施例中，所述通過所述第一腦梗識別結果和所述第二腦梗識別結果確定所述用戶的最終腦梗識別結果，包括：
23、判斷所述第一腦梗識別結果和所述第二腦梗識別結果分別對應的預測概率值是否均大于預置概率值；
24、若均大于預置概率值，對所述第一腦梗識別結果和所述第二腦梗識別結果的預測腦梗等級進行加權計算得到用戶的最終腦梗識別結果；
25、若存在一個預測概率值大于預置概率值，則將預測概率值大于預置概率值的預測腦梗等級作為用戶的最終腦梗識別結果。
26、在本專利技術提供的一個可選實施例中，所述判斷所述第一腦梗識別結果和所述第二腦梗識別結果分別對應的預測概率值是否均大于預置概率值之后，還包括：
27、若不存在預測概率值大于預置概率值，則根據所述基礎數據鍵值對、所述癥狀鍵值對、所述病史鍵值進行計算得到用戶的最終腦梗識別結果。
28、在本專利技術提供的一個可選實施例中，所述第一腦梗識別模型的訓練過程為：
29、獲取每條樣本數據對應的腦梗評價數據樣本特征向量矩陣、樣本局部圖像；所述樣本局部圖像包括面部圖像以及舌苔圖像；
30、將所述據樣本特征向量矩陣、樣本局部圖像輸入到所述第一腦梗識別模型中，通過所述第一腦梗識別模型中的特征提取模塊提取所述面部圖像以及所述舌苔圖像分別對應的顏色特征以及紋理特征；
31、通過所述第一腦梗識別模型中的特征融合模塊對所述面部圖像以及所述舌苔圖像分別對應所述顏色特征以及所述紋理特征進行融合得到面部圖像融合特征、舌苔圖像融合特征；
32、通過所述據樣本特征向量矩陣和所述面部圖像融合特征得到第一預測值；通過所述據樣本特征向量矩陣和所述舌苔圖像融合特征得到第二預測值；
33、根據所本文檔來自技高網...
【技術保護點】
1.一種腦梗危急重癥識別系統，其特征在于，所述系統包括：用戶客戶端、數據獲取裝置以及腦梗識別裝置，所述腦梗識別裝置和所述用戶客戶端、所述數據獲取裝置信連接，所述腦梗識別裝置用于執行下述步驟：
2.根據權利要求1所述的系統，其特征在于，所述對所述用戶基礎數據、所述癥狀文本數據和所述病史文本數據進行分別進行文本提取，確定多個基礎數據鍵值對、癥狀鍵值對、病史鍵值對，包括：
3.根據權利要求2所述的系統，其特征在于，所述根據所述腦梗評價數據特征向量矩陣、所述用戶局部圖像確定所述用戶的第一腦梗識別結果，包括：
4.根據權利要求2所述的系統，其特征在于，所述根據所述腦梗評價數據特征向量矩陣、所述用戶醫療圖像確定所述用戶的第二腦梗識別結果，包括：
5.根據權利要求3或4所述的系統，其特征在于，所述通過所述第一腦梗識別結果和所述第二腦梗識別結果確定所述用戶的最終腦梗識別結果，包括：
6.根據權利要求5所述的系統，其特征在于，所述判斷所述第一腦梗識別結果和所述第二腦梗識別結果分別對應的預測概率值是否均大于預置概率值之后，還包括：
<...【技術特征摘要】
1.一種腦梗危急重癥識別系統，其特征在于，所述系統包括：用戶客戶端、數據獲取裝置以及腦梗識別裝置，所述腦梗識別裝置和所述用戶客戶端、所述數據獲取裝置信連接，所述腦梗識別裝置用于執行下述步驟：
2.根據權利要求1所述的系統，其特征在于，所述對所述用戶基礎數據、所述癥狀文本數據和所述病史文本數據進行分別進行文本提取，確定多個基礎數據鍵值對、癥狀鍵值對、病史鍵值對，包括：
3.根據權利要求2所述的系統，其特征在于，所述根據所述腦梗評價數據特征向量矩陣、所述用戶局部圖像確定所述用戶的第一腦梗識別結果，包括：
4.根據權利要求2所述的系統，其特征在于，所述根據所述腦梗評價數據特征向量矩陣、所述用戶醫療圖像確定...
【專利技術屬性】
技術研發人員：王月嬌，郭愛松，黃敏，錢橙，施偉華，胡平，
申請(專利權)人：南通大學附屬醫院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。