一种肺部数据的分类方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种肺部数据的分类方法、装置、设备及存储介质。该方法包括：获取待测数据来源对应的目标数据标签组合、与目标数据标签组合对应的待测肺部数据集和预先训练完成的目标数据分类模型；其中，目标数据标签组合中包含至少一种目标肺部数据标签；对待测肺部数据集中的各待测肺部数据执行预处理操作，得到与目标数据标签组合对应的目标肺部数据集；将目标肺部数据集中的各目标肺部数据分别输入到目标数据分类模型中，得到输出的与待测数据来源对应的目标数据分类结果。本发明专利技术实施例解决了不同数据来源的真实肺部数据的数据差异性大导致数据分类模型的泛化能力差的问题，降低了后续误诊的可能性。低了后续误诊的可能性。低了后续误诊的可能性。

【技术实现步骤摘要】
一种肺部数据的分类方法、装置、设备及存储介质


[0001]本专利技术涉及医学数据处理
，尤其涉及一种肺部数据的分类方法、装置、设备及存储介质。

技术介绍

[0002]肺癌是全球常见且致死率高的癌症之一，而早期肺癌通常并无症状，导致大多数患者在发现时已处于晚期，治疗难度大。深度学习模型由于具有很强的学习能力，在医学数据分类领域中得到了广泛应用。
[0003]传统的数据分类模型通常采用公开的肺部医学数据库进行训练，忽略了不同数据来源的真实肺部数据的数据差异性较大的问题。在一些应用场景中，多种真实肺部数据的融合丰富了数据特征维度，因而可以提高数据分类模型的分类结果准确度，但在另一些应用场景中，多种真实肺部数据之间可能存在数据干扰，因而会降低数据分类模型的分类准确度。
[0004]因此，传统的数据分类模型的泛化能力不佳，从而增加了后续误诊的可能性。

技术实现思路

[0005]本专利技术实施例提供了对不同数据来源的数据标签组合和数据分类模型进行了区分设置，以解决不同数据来源的真实肺部数据的数据差异性大导致数据分类模型的泛化能力差的问题，降低后续误诊的可能性。
[0006]根据本专利技术一个实施例提供了一种肺部数据的分类方法，该方法包括：
[0007]获取待测数据来源对应的目标数据标签组合、与所述目标数据标签组合对应的待测肺部数据集和预先训练完成的目标数据分类模型；其中，所述目标数据标签组合中包含至少一种目标肺部数据标签；
[0008]对所述待测肺部数据集中的各待测肺部数据执行预处理操作，得到与所述目标数据标签组合对应的目标肺部数据集；
[0009]将所述目标肺部数据集中的各目标肺部数据分别输入到所述目标数据分类模型中，得到输出的与所述待测数据来源对应的目标数据分类结果。
[0010]根据本专利技术另一个实施例提供了一种肺部数据的分类装置，该装置包括：
[0011]目标数据标签组合获取模块，用于获取待测数据来源对应的目标数据标签组合、与所述目标数据标签组合对应的待测肺部数据集和预先训练完成的目标数据分类模型；其中，所述目标数据标签组合中包含至少一种目标肺部数据标签；
[0012]目标肺部数据集确定模块，用于对所述待测肺部数据集中的各待测肺部数据执行预处理操作，得到与所述目标数据标签组合对应的目标肺部数据集；
[0013]目标数据分类结果输出模块，用于将所述目标肺部数据集中的各目标肺部数据分别输入到所述目标数据分类模型中，得到输出的与所述待测数据来源对应的目标数据分类结果。
[0014]根据本专利技术另一个实施例提供了一种电子设备，该电子设备包括：
[0015]至少一个处理器；以及
[0016]与所述至少一个处理器通信连接的存储器；其中，
[0017]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的肺部数据的分类方法。
[0018]根据本专利技术另一个实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的肺部数据的分类方法。
[0019]本专利技术实施例的技术方案，通过获取待测数据来源对应的待测肺部数据集、目标数据标签组合以及与目标数据标签组合对应的预先训练完成的目标数据分类模型，对待测肺部数据集中的各待测肺部数据执行预处理操作，得到与目标数据标签组合对应的目标肺部数据集，将目标肺部数据集中的各目标肺部数据分别输入到目标数据分类模型中，得到输出的与待测数据来源对应的目标数据分类结果，本专利技术实施例对不同数据来源的数据标签组合和数据分类模型进行了区分设置，解决了不同数据来源的真实肺部数据的数据差异性大导致数据分类模型的泛化能力差的问题，使得数据分类模型具备很好的参数可调性和可扩展性，从而可以适应不同数据来源的肺部数据集，提高了数据分类模型的准确性和鲁棒性，降低了后续误诊的可能性。
[0020]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0021]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0022]图1为本专利技术一个实施例所提供的一种肺部数据的分类方法的流程图；
[0023]图2为本专利技术一个实施例所提供的另一种肺部数据的分类方法的流程图；
[0024]图3为本专利技术一个实施例所提供的一种目标数据标签组合的确定方法的流程图；
[0025]图4为本专利技术一个实施例所提供的一种肺部数据的分类装置的结构示意图；
[0026]图5为本专利技术一个实施例所提供的一种电子设备的结构示意图。
具体实施方式
[0027]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0028]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“训练”、“测
试”、“验证”、“初始”、“目标”、“参考”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0029]图1为本专利技术一个实施例所提供的一种肺部数据的分类方法的流程图，本实施例可适用于对肺部数据进行分类的情况，该方法可以由肺部数据的分类装置来执行，该肺部数据的分类装置可以采用硬件和/或软件的形式实现，该肺部数据的分类装置可配置于终端设备中。如图1所示，该方法包括：
[0030]S110、获取待测数据来源对应的目标数据标签组合、与目标数据标签组合对应的待测肺部数据集和预先训练完成的目标数据分类模型。
[0031]其中，具体的，待测数据来源可以用唯一标识表示，如唯一标识由数字、文字、大写字母、小写字母和特殊字符中至少一种构成，此处对唯一标识的构成形式不作限定，具体可根据实际需求自定义设置。举例而言，待测数据来源可以为医院A或医院B。
[0032]其中，具体的，目标数据标签组合用于表征输入到本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种肺部数据的分类方法，其特征在于，包括：获取待测数据来源对应的目标数据标签组合、与所述目标数据标签组合对应的待测肺部数据集和预先训练完成的目标数据分类模型；其中，所述目标数据标签组合中包含至少一种目标肺部数据标签；对所述待测肺部数据集中的各待测肺部数据执行预处理操作，得到与所述目标数据标签组合对应的目标肺部数据集；将所述目标肺部数据集中的各目标肺部数据分别输入到所述目标数据分类模型中，得到输出的与所述待测数据来源对应的目标数据分类结果。2.根据权利要求1所述的方法，其特征在于，所述目标数据标签组合为肺部临床数据标签、肺部形态学数据标签、肺部影像组学数据标签和肺部图像标签中至少一种目标肺部数据标签构成的一种数据标签组合，所述待测肺部数据集中包含待测肺部临床数据、待测肺部形态学数据和待测肺部图像中至少一种待测肺部数据。3.根据权利要求2所述的方法，其特征在于，所述对所述待测肺部数据集中的各待测肺部数据执行预处理操作，得到与所述目标数据标签组合对应的目标肺部数据集，包括：当所述目标数据标签组合中包含肺部影像组学数据标签时，获取所述待测肺部数据集中的待测肺部图像；对所述待测肺部图像执行第一预处理操作，得到目标肺部影像组学数据，并将所述目标肺部影像组学数据添加到所述目标肺部数据集中；其中，所述第一预处理操作至少包括特征提取操作，所述目标肺部影像组学数据包括基于形状特征、一阶统计量、灰度共生矩阵、灰度依赖矩阵、灰度跑长矩阵、灰度大小带矩阵以及相邻灰度色调差矩阵中至少一种放射组学特征。4.根据权利要求2所述的方法，其特征在于，所述对所述待测肺部数据集中的各待测肺部数据执行预处理操作，得到与所述目标数据标签组合对应的目标肺部数据集，包括：当所述目标数据标签组合中包含肺部图像标签时，获取所述待测肺部数据集中的待测肺部图像和待测形态学数据；对所述待测肺部图像执行图像分割操作，得到两个肺部分割图像，并基于所述待测形态学数据，从两个肺部分割图像中选择目标肺部图像；将所述目标肺部图像添加到所述目标肺部数据集中。5.根据权利要求1中所述的方法，其特征在于，所述目标数据分类模型中包含一个第二阶神经网络以及与所述目标肺部数据集中的各所述目标肺部数据分别对应的第一阶神经网络，所述将所述目标肺部数据集中的各目标肺部数据分别输入到所述目标数据分类模型中，得到输出的与所述待测数据来源对应的目标数据分类结果，包括：通过所述目标数据分类模型中的每个第一阶神经网络，基于输入的与所述第一阶神经网络对应的目标肺部数据，输出肺部特征矩阵；通过所述目标数据分类模型中的第二阶神经网络，基于各所述第一阶神经网络分别输出的肺部特征矩阵，输出与所述待测数据来源对应的目标数据分类结...

【专利技术属性】
技术研发人员：范丽，邓恒，刘士远，黄文君，王祥，糜虎，熊展达，
申请(专利权)人：上海长征医院，
类型：发明
国别省市：