【技术实现步骤摘要】
本专利技术涉及智慧医疗，尤其涉及一种基于医疗大模型的报告生成方法、系统、终端及存储介质。
技术介绍
1、医学影像诊断报告一般包括医学图像及影像报告两部分，其是临床医师进行医学处理的客观依据。医学图像和影像报告的质量，直接体现医疗技术的水平和质量。同时，影像报告是放射科医师与临床医师之间互相沟通并负有一定医学法律责任的一份文件。基于此，影像报告的准确性的问题越来越受人们所重视。
2、现有的影像报告生成过程中，一般是采用人工的方式对影像报告模板进行内容填写，容易导致影像异常与影像报告模板书写不一致的现象，降低了影像报告生成的准确性。
技术实现思路
1、本专利技术实施例的目的在于提供一种基于医疗大模型的报告生成方法、系统、终端及存储介质，以解决现有技术中影像报告生成准确性低下的问题。
2、本专利技术实施例是这样实现的，一种基于医疗大模型的报告生成方法，所述方法包括：
3、获取异常所见样本，并将所述异常所见样本与报告模板进行数据对齐，得到模型样本；
4、根据所述模型样本对医疗大模型进行模型训练，直至所述医疗大模型收敛，并获取目标影像的影像异常所见和所述影像异常所见对应的目标报告模板；
5、将所述影像异常所见和所述目标报告模板输入收敛后的所述医疗大模型进行特征映射，得到映射内容，所述映射内容包括所述影像异常所见在所述目标报告模板中对应的映射文本；
6、根据所述映射内容确定映射关联关系，并根据所述映射关联关系对所述目标报告
7、优选的，根据所述映射内容确定映射关联关系，并根据所述映射关联关系对所述目标报告模板进行内容修正，得到所述目标影像的影像报告，包括：
8、获取所述目标报告模板的模板标识，并根据所述模板标识确定关系查询表和修正查询表；
9、将所述影像异常所见和所述映射文本进行组合，得到组合文本，并将所述组合文本与所述关系查询表进行匹配，得到所述映射关联关系；
10、所述映射关联关系与所述修正查询表进行匹配，得到修正操作，并在所述目标报告模板中，根据所述修正操作对所述映射文本执行文本修正，得到所述影像报告。
11、优选的，将所述异常所见样本与报告模板进行数据对齐，得到模型样本，包括：
12、分别对所述异常所见样本和所述报告模板中的模板语句进行语义识别，得到异常所见语义和语句语义；
13、对所述异常所见语义和所述语句语义进行向量转换，得到异常所见向量和语句向量，并计算所述异常所见向量和所述语句向量之间的向量相似度；
14、将最大所述向量相似度对应的所述模板语句设置为对齐语句，并将所述对齐语句与所述异常所见样本进行组合，得到所述模型样本。
15、优选的，计算所述异常所见向量和所述语句向量之间的向量相似度之后，还包括：
16、若最大所述向量相似度小于相似度阈值，则发送人工标注提示，并接收针对所述人工标注提示的信息反馈；
17、根据所述信息反馈确定所述对齐语句，并将所述对齐语句与所述异常所见样本进行组合，得到所述模型样本。
18、优选的，根据所述模型样本对医疗大模型进行模型训练，包括：
19、将所述模型样本输入医疗大模型进行特征编码，得到隐层表征，并对所述隐层表示进行特征解码，得到隐层表示；
20、对所述隐层表示进行归一化处理，得到样本预测结果，并根据所述样本预测结果对所述医疗大模型进行参数更新。
21、优选的，对所述隐层表示进行归一化处理，得到样本预测结果，采用的公式包括：
22、
23、zt＝max(probgen)
24、其中，probgen表示每个词生成的概率分布，w和b为训练参数，zt为所述样本预测结果，表示第t个时刻，所述医疗大模型中第，层输出的所述隐层表示，t时刻所述医疗大模型输出的所述隐层表示为l为所述医疗大模型中解码层的数量。
25、优选的，将所述模型样本输入医疗大模型进行特征编码，得到隐层表征，并对所述隐层表示进行特征解码，得到隐层表示，采用的公式包括：
26、ui＝gemb(xinput(i))
27、其中，ui是第i个时刻的隐层表征，gemb是所述医疗大模型中的编码器，xinput是所述模型样本；
28、
29、其中，dec是所述医疗大模型中的解码器，u，是第t个时刻的隐层表征。
30、本专利技术实施例的另一目的在于提供一种基于医疗大模型的报告生成系统，所述系统包括：
31、数据对齐模块，用于获取异常所见样本，并将所述异常所见样本与报告模板进行数据对齐，得到模型样本；
32、模型训练模块，用于根据所述模型样本对医疗大模型进行模型训练，直至所述医疗大模型收敛，并获取目标影像的影像异常所见和所述影像异常所见对应的目标报告模板；
33、特征映射模块，用于将所述影像异常所见和所述目标报告模板输入收敛后的所述医疗大模型进行特征映射，得到映射内容，所述映射内容包括所述影像异常所见在所述目标报告模板中对应的映射文本；
34、报告生成模块，用于根据所述映射内容确定映射关联关系，并根据所述映射关联关系对所述目标报告模板进行内容修正，得到所述目标影像的影像报告。
35、本专利技术实施例，通过将异常所见样本与报告模板进行数据对齐，有效地提高了模型样本数据的准确性，通过将影像异常所见和目标报告模板输入收敛后的医疗大模型进行特征映射，能有效地得到映射内容，基于映射内容能有效地确定影像异常所见与对应映射文本之间的映射关联关系，基于映射关联关系能有效地对目标报告模板进行内容修正，以达到自动生成影像报告的效果，无需采用人工的方式进行影像报告模板内容的填写，提高了影像报告生成的准确性。
本文档来自技高网...【技术保护点】
1.一种基于医疗大模型的报告生成方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于医疗大模型的报告生成方法，其特征在于，根据所述映射内容确定映射关联关系，并根据所述映射关联关系对所述目标报告模板进行内容修正，得到所述目标影像的影像报告，包括：
3.如权利要求1所述的基于医疗大模型的报告生成方法，其特征在于，将所述异常所见样本与报告模板进行数据对齐，得到模型样本，包括：
4.如权利要求3所述的基于医疗大模型的报告生成方法，其特征在于，计算所述异常所见向量和所述语句向量之间的向量相似度之后，还包括：
5.如权利要求1所述的基于医疗大模型的报告生成方法，其特征在于，根据所述模型样本对医疗大模型进行模型训练，包括：
6.如权利要求5所述的基于医疗大模型的报告生成方法，其特征在于，对所述隐层表示进行归一化处理，得到样本预测结果，采用的公式包括：
7.如权利要求6所述的基于医疗大模型的报告生成方法，其特征在于，将所述模型样本输入医疗大模型进行特征编码，得到隐层表征，并对所述隐层表示进行特征解码，得到隐层表示，采
8.一种基于医疗大模型的报告生成系统，其特征在于，所述系统包括：
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一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程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
...【技术特征摘要】
1.一种基于医疗大模型的报告生成方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于医疗大模型的报告生成方法，其特征在于，根据所述映射内容确定映射关联关系，并根据所述映射关联关系对所述目标报告模板进行内容修正，得到所述目标影像的影像报告，包括：
3.如权利要求1所述的基于医疗大模型的报告生成方法，其特征在于，将所述异常所见样本与报告模板进行数据对齐，得到模型样本，包括：
4.如权利要求3所述的基于医疗大模型的报告生成方法，其特征在于，计算所述异常所见向量和所述语句向量之间的向量相似度之后，还包括：
5.如权利要求1所述的基于医疗大模型的报告生成方法，其特征在于，根据所述模型样本对医疗大模型进行模型训练，包括：
6.如权利要求5所述的基于医疗大模型...
【专利技术属性】
技术研发人员：李佳，吕晗，王力华，任鹏玲，田心，刘文娟，王郅翔，王星皓，孙婧，陈乾，
申请(专利权)人：首都医科大学附属北京友谊医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。