【技術實現步驟摘要】
本申請涉及智能化數據處理，并且更具體地，涉及一種多模態生物醫藥數據的智能處理方法及系統。
技術介紹
1、腫瘤是一種嚴重危害人類健康的疾病，其發病率和死亡率居高不下。腫瘤的診斷和治療需要綜合考慮多種生物醫藥數據，如腫瘤組織的形態學特征、患者的臨床信息等。然而，這些數據之間存在著復雜的關聯性和異質性，如何有效地利用這些數據進行腫瘤類型的分類和診斷是一個具有挑戰性的問題。目前，傳統的腫瘤分類方法主要基于人工經驗或者單一模態的數據，缺乏對多模態數據的深度理解和融合，導致對于腫瘤類型的檢測質量不理想。
2、因此，期望一種優化的多模態生物醫藥數據的智能處理方案。
技術實現思路
1、為了解決上述技術問題，提出了本申請。本申請的實施例提供了一種多模態生物醫藥數據的智能處理方法及系統，其獲取被診斷患者對象的腫瘤組織顯微圖像和臨床特征；對臨床特征進行語義編碼以得到臨床特征語義理解特征向量；通過基于深度神經網絡模型的腫瘤組織形態特征提取器對腫瘤組織顯微圖像進行特征提取以得到腫瘤組織顯微特征圖；對腫瘤組織顯微特征圖進行目標顯著性分析以得到目標顯化腫瘤組織顯微局部特征向量的序列；對臨床特征語義理解特征向量和目標顯化腫瘤組織顯微局部特征向量的序列進行類注意力交互融合處理以得到多模態醫療語義融合特征；基于多模態醫療語義融合特征，確定腫瘤類型標簽。這樣，可以進行腫瘤類型的檢測和判斷，為腫瘤的早期診斷和個性化治療等方面提供有力支持。
2、第一方面，提供了一種多模態生物醫藥數據的智能處理方法，
3、獲取被診斷患者對象的腫瘤組織顯微圖像和臨床特征；
4、對所述臨床特征進行語義編碼以得到臨床特征語義理解特征向量；
5、通過基于深度神經網絡模型的腫瘤組織形態特征提取器對所述腫瘤組織顯微圖像進行特征提取以得到腫瘤組織顯微特征圖；
6、對所述腫瘤組織顯微特征圖進行目標顯著性分析以得到目標顯化腫瘤組織顯微局部特征向量的序列；
7、對所述臨床特征語義理解特征向量和所述目標顯化腫瘤組織顯微局部特征向量的序列進行類注意力交互融合處理以得到多模態醫療語義融合特征；
8、基于所述多模態醫療語義融合特征，確定腫瘤類型標簽。
9、第二方面，提供了一種多模態生物醫藥數據的智能處理系統，其包括：
10、被診斷患者信息獲取模塊，用于獲取被診斷患者對象的腫瘤組織顯微圖像和臨床特征；
11、語義編碼模塊，用于對所述臨床特征進行語義編碼以得到臨床特征語義理解特征向量；
12、形態特征提取模塊，用于通過基于深度神經網絡模型的腫瘤組織形態特征提取器對所述腫瘤組織顯微圖像進行特征提取以得到腫瘤組織顯微特征圖；
13、目標顯著性分析模塊，用于對所述腫瘤組織顯微特征圖進行目標顯著性分析以得到目標顯化腫瘤組織顯微局部特征向量的序列；
14、類注意力交互融合模塊，用于對所述臨床特征語義理解特征向量和所述目標顯化腫瘤組織顯微局部特征向量的序列進行類注意力交互融合處理以得到多模態醫療語義融合特征；
15、腫瘤類型標簽模塊，用于基于所述多模態醫療語義融合特征，確定腫瘤類型標簽。
本文檔來自技高網...【技術保護點】
1.一種多模態生物醫藥數據的智能處理方法，其特征在于，包括：
2.根據權利要求1所述的多模態生物醫藥數據的智能處理方法，其特征在于，對所述臨床特征進行語義編碼以得到臨床特征語義理解特征向量，包括：
3.根據權利要求2所述的多模態生物醫藥數據的智能處理方法，其特征在于，所述深度神經網絡模型為卷積神經網絡模型。
4.根據權利要求3所述的多模態生物醫藥數據的智能處理方法，其特征在于，對所述腫瘤組織顯微特征圖進行目標顯著性分析以得到目標顯化腫瘤組織顯微局部特征向量的序列，包括：
5.根據權利要求4所述的多模態生物醫藥數據的智能處理方法，其特征在于，對所述臨床特征語義理解特征向量和所述目標顯化腫瘤組織顯微局部特征向量的序列進行類注意力交互融合處理以得到多模態醫療語義融合特征，包括：基于類注意力交互融合模塊對所述目標顯化腫瘤組織顯微局部特征向量的序列和所述臨床特征語義理解特征向量進行處理以得到多模態醫療語義融合特征向量作為所述多模態醫療語義融合特征。
6.根據權利要求5所述的多模態生物醫藥數據的智能處理方法，其特征在于，基于類注意力
7.根據權利要求6所述的多模態生物醫藥數據的智能處理方法，其特征在于，基于所述多模態醫療語義融合特征，確定腫瘤類型標簽，包括：
8.根據權利要求7所述的多模態生物醫藥數據的智能處理方法，其特征在于，將所述多模態醫療語義融合特征向量通過分類器以得到分類結果，所述分類結果用于表示腫瘤類型標簽，包括：
9.一種多模態生物醫藥數據的智能處理系統，其特征在于，包括：
10.根據權利要求9所述的多模態生物醫藥數據的智能處理系統，其特征在于，所述語義編碼模塊，用于：
...【技術特征摘要】
1.一種多模態生物醫藥數據的智能處理方法，其特征在于，包括：
2.根據權利要求1所述的多模態生物醫藥數據的智能處理方法，其特征在于，對所述臨床特征進行語義編碼以得到臨床特征語義理解特征向量，包括：
3.根據權利要求2所述的多模態生物醫藥數據的智能處理方法，其特征在于，所述深度神經網絡模型為卷積神經網絡模型。
4.根據權利要求3所述的多模態生物醫藥數據的智能處理方法，其特征在于，對所述腫瘤組織顯微特征圖進行目標顯著性分析以得到目標顯化腫瘤組織顯微局部特征向量的序列，包括：
5.根據權利要求4所述的多模態生物醫藥數據的智能處理方法，其特征在于，對所述臨床特征語義理解特征向量和所述目標顯化腫瘤組織顯微局部特征向量的序列進行類注意力交互融合處理以得到多模態醫療語義融合特征，包括：基于類注意力交互融合模塊對所述目標顯化腫瘤組織顯微局部特征向量的序列和所述臨床特征語義理解特征向量進行處理以得到多模態醫療語義融合特征向量作為所述多模態醫療語義融合特征。
6...
【專利技術屬性】
技術研發人員：李新泰，石紅玉，胡瑩瑩，鄭雪凌，丁磊，
申請(專利權)人：山東商業職業技術學院，
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。