【技术实现步骤摘要】
本专利技术涉及医疗诊断领域，具体涉及一种民族医特色多诊合参临床辅助诊断方法。
技术介绍
1、本节中的陈述仅提供与本公开相关的背景信息，并且可能不构成现有技术。
2、在当前的医疗诊断领域，民族医学作为一种重要的传统医学体系，具有独特的诊疗方法和丰富的临床经验。然而，民族医学的诊断过程往往依赖于医生的个人经验和主观判断，缺乏标准化和客观化的诊断工具，这在一定程度上限制了民族医学的传承和发展。具体来说，存在以下技术问题：
3、1、民族医临床诊断的主观性问题：传统的民族医诊断高度依赖医生的个人经验和直觉，这导致诊断结果可能因医生不同而有所差异，缺乏统一的标准和客观性。
4、2、文本和图像数据处理不足：在民族医的诊断过程中，病历文本和医学影像是重要的诊断依据。然而，现有的技术缺乏有效的手段将文本和图像数据转换为可以用于深度分析的高维向量表示，限制了计算机辅助诊断系统的应用。
5、3、多诊合参信息整合困难：民族医学强调多诊合参，即结合多种诊断方法来提高诊断的准确性。但是，如何有效地整合来自不同诊断方法的定性和定量信息，是一个尚未充分解决的问题。
6、4、知识库利用不足：民族医学拥有大量的诊疗知识和历史病例，但这些知识在辅助诊断过程中未能得到充分利用，缺乏有效的检索和匹配机制。
7、5、诊断报告生成的自动化和标准化：目前的诊断报告多由医生手动编写，不仅效率低下，而且难以保证报告的标准化和质量。
技术实现思路
1、本专利技术的
2、本专利技术的技术方案如下：
3、一种民族医特色多诊合参临床辅助诊断方法，包括：
4、步骤s1：由历史多诊合参数据形成向量数据库以及由民族医药文献资料形成向量化民族医诊疗知识库；
5、步骤s2：基于向量数据库和向量化民族医诊疗知识库，构建民族医特色多诊合参临床辅助诊断模型；
6、步骤s3：将获取的文本数据或图像数据，输入至民族医特色多诊合参临床辅助诊断模型，进行诊断。
7、进一步地，所述向量数据库的构建方法，包括：
8、步骤a：将历史多诊合参数据中的文本数据、生理信号数据、图像数据三种模态转换为文本数据和图像数据两种模态；
9、步骤b：针对转换后的文本数据和图像数据，使用构建的transformer-style模型提取向量表征的语义信息；
10、步骤c：将语义信息结合元数据存入向量数据库；
11、所述向量化民族医诊疗知识库的构建方法，包括：
12、步骤ⅰ：使用文字识别算法，识别民族医药文献资料中的文字信息；
13、步骤ⅱ：使用数据结构化算法，对文字信息进行处理，生成结构化民族医诊疗知识；
14、步骤ⅲ：针对生成的结构化民族医诊疗知识，复用构建的transformer-style模型提取向量表征的语义信息，构成向量化民族医诊疗知识库。
15、进一步地，所述步骤a，包括：
16、步骤a1：收集文本数据、生理信号数据和图像数据，并对其进行数据清洗，消除数据中的噪声和异常值；
17、步骤a2：通过数据模态转换模型，将生理信号数据转换成图像数据；
18、所述数据清洗，包括：
19、对于文本数据和生理信号数据，首先删除存在字段值缺失的数据、重复数据，然后采用最小最大归一化对各个字段值进行标准化，以确保数据的准确性和可靠性；
20、对于图像数据，首先删除存在大量噪声信息的图像，然后将各个图像的尺寸缩放至统一大小；
21、所述步骤a2，包括：
22、对于生理信号数据，采用快速傅里叶变换将时域信号转变为频域信号，从而生成对应的频谱图像，然后将各个频谱图像的尺寸缩放至统一大小。
23、进一步地，所述步骤b，包括：
24、步骤b1：基于clip模型和文本数据、图像数据构建医疗图-文两模态embedding模型；
25、步骤b2：在推理阶段采用构建的医疗图-文两模态embedding模型对输入的文本数据和图像数据进行向量化，提取其向量表征的语义信息；
26、所述医疗图-文两模态embedding模型的构成过程如下：
27、将病人病历上的部分文本内容编码为512维的one-hot向量，即文本向量；
28、同时将与文本内容对应的检查图像切割为512个图像块，每个图像块取像素值中值，共形成512个像素值，然后将像素值拉平为1*512维的向量，即图像向量；
29、基于文本向量和图像向量构建了一个文本-图像对；
30、再将每个文本-图像对中的文本向量和图像向量拼接，然后输入到clip模型中进行训练，直至模型收敛，得到医疗图-文两模态embedding模型；
31、进一步地，所述元数据，包括：患者姓名、性别、年龄。
32、进一步地，所述民族医特色多诊合参临床辅助诊断模型，包括：
33、文本embedding模型和图像embedding模型，能够分别将文本数据和图像数据在同一表示空间向量化；
34、transformer编码器、细粒度模型的分类头和回归头、transformer解码器，利用transformer编码器、细粒度模型的分类头和回归头从向量化后的数据中提取出检查部位的定性和定量信息，并嵌入transformer解码器解码出初步诊断结果；基于初步诊断结果，通过相似性度量学习在向量数据库以及向量化民族医诊疗知识库中检索出相关诊疗信息；
35、民族医大语言模型，将初步诊断结果和相关诊疗信息输入到民族医大语言模型，输出标准化的诊断报告。
36、进一步地，所述民族医特色多诊合参临床辅助诊断模型中采用分组多头注意力的计算方式，用于降低注意力机制计算的复杂度。
37、进一步地，所述分组多头注意力，包括：
38、对于每一组x，均随机初始化3个1*3大小的矩阵wq,wk，wv，并分别计算x*wq，x*wk，x*wv，得到q，k，v；然后根据公式计算自注意力，得到的向量拉直flatten为z；最后将四组结果z1，z2，z3，z4进行相加，得到zsum。
39、进一步地，针对历史多诊合参数据、民族医药文献资料、文本数据和图像数据中的异质数据，将其输入到编码器进行向量化，生成多维向量特征；再采用解码器进行图像重建或文本重建；所述编码器为embedding模型。
40、进一步地，所述解码器采用mae模型中的transformer架构，用于图像重建，即生成大量像素值归一化的高质量数据或文本重建，即填充缺失关键词，更正文本语义，同时可以生成大量不同表述同一语义的病历描述内容。
41、与现有的技术相比本专利技术的有益效果是：
【技术保护点】
1.一种民族医特色多诊合参临床辅助诊断方法，其特征在于，包括：
2.根据权利要求1所述的一种民族医特色多诊合参临床辅助诊断方法，其特征在于，所述向量数据库的构建方法，包括：
3.根据权利要求2所述的一种民族医特色多诊合参临床辅助诊断方法，其特征在于，所述步骤A，包括：
4.根据权利要求3所述的一种民族医特色多诊合参临床辅助诊断方法，其特征在于，所述步骤B，包括：
5.根据权利要求2所述的一种民族医特色多诊合参临床辅助诊断方法，其特征在于，所述元数据，包括：患者姓名、性别、年龄。
6.根据权利要求2所述的一种民族医特色多诊合参临床辅助诊断方法，其特征在于，所述民族医特色多诊合参临床辅助诊断模型，包括：
7.根据权利要求6所述的一种民族医特色多诊合参临床辅助诊断方法，其特征在于，所述民族医特色多诊合参临床辅助诊断模型中采用分组多头注意力的计算方式，用于降低注意力机制计算的复杂度。
8.根据权利要求7所述的一种民族医特色多诊合参临床辅助诊断方法，其特征在于，所述分组多头注意力，包括：
9.根
10.根据权利要求9所述的一种民族医特色多诊合参临床辅助诊断方法，其特征在于，所述解码器采用MAE模型中的Transformer架构，用于图像重建，即生成大量像素值归一化的高质量数据或文本重建，即填充缺失关键词，更正文本语义，同时可以生成大量不同表述同一语义的病历描述内容。
...【技术特征摘要】
1.一种民族医特色多诊合参临床辅助诊断方法，其特征在于，包括：
2.根据权利要求1所述的一种民族医特色多诊合参临床辅助诊断方法，其特征在于，所述向量数据库的构建方法，包括：
3.根据权利要求2所述的一种民族医特色多诊合参临床辅助诊断方法，其特征在于，所述步骤a，包括：
4.根据权利要求3所述的一种民族医特色多诊合参临床辅助诊断方法，其特征在于，所述步骤b，包括：
5.根据权利要求2所述的一种民族医特色多诊合参临床辅助诊断方法，其特征在于，所述元数据，包括：患者姓名、性别、年龄。
6.根据权利要求2所述的一种民族医特色多诊合参临床辅助诊断方法，其特征在于，所述民族医特色多诊合参临床辅助诊断模型，包括：
7.根据权利要求6所述的一种民族医特色多诊合参临床辅助诊断方法，其特征在于，所述民族医特色多...
【专利技术属性】
技术研发人员：李媛，曾少崇，徐阳，黄德超，夏琳琳，韩丽君，刘仁馨，王丁越，余佳娜，邓烨婷，罗啓鑫，
申请(专利权)人：云南中医药大学，
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。