(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210990977.7 (22)申请日 2022.08.18 (71)申请人 平安科技 （深圳） 有限公司 地址 518033 广东省深圳市福田区福田街 道福安社区益田路5033号平 安金融中 心23楼 (72)发明人 陈超　王铭宇　徐埌　黄凌云　 肖京　 (74)专利代理 机构 北京鸿元知识产权代理有限 公司 11327 专利代理师 王守梅　袁文婷 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/44(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) G06V 10/80(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 20/00(2019.01) (54)发明名称 基于细粒度领域知识的疾病智能识别方法 及系统 (57)摘要 本发明提供一种基于细粒度领域知识的疾 病智能识别方法及系统， 属于智慧医疗技术领 域， 利用双坐标疾病识别模型对患者病灶图像进 行特征提取， 获取病灶区域特征和病灶边界特 征； 其中， 双坐标疾病识别模型包括用于病灶区 域划分的第一坐标模型和用于病灶边界特征识 别的第二坐标模型； 通过自注意力网络， 根据病 灶区域特征和病灶边界特征获取病灶聚合特征； 对病灶聚合特征进行分类识别， 获取患者的疾病 识别结果； 使得疾病的细粒度信息具有可解释 性。 方便辅助医生对病灶及其它感兴趣的区域进 行定性甚至定量的分析， 从而大大提高医疗诊断 的准确性和可靠性； 在医疗教学、 手术规划、 手术 仿真及各种医学研究中也能起重要的辅助作用。 权利要求书2页 说明书14页 附图3页 CN 115330733 A 2022.11.11 CN 115330733 A 1.一种基于细粒度领域知识的疾病智能识别方法， 其特 征在于， 包括： 获取待识别的患者病灶图像； 利用双坐标疾病识别模型对患 者病灶图像进行特征提取， 获取病灶区域特征和病灶边 界特征； 其中， 所述双坐标疾病识别模型包括用于病灶区域划分的第一坐标模型和用于病 灶边界特 征识别的第二 坐标模型； 通过自注意力网络， 根据病灶区域特 征和病灶边界特 征获取病灶聚合特 征； 对病灶聚合特征进行分类识别， 获取患者的疾病识别结果； 其中， 所述疾病识别结果包 括病灶的良性/恶性类别判定和病灶位置 。 2.根据权利要求1所述的基于细粒度 领域知识的疾病智能识别方法， 其特征在于， 通过 自注意力网络， 根据病灶区域特 征和病灶边界特 征获取病灶聚合特 征的方法， 包括， 将病灶区域特 征和病灶边界特 征进行融合， 获得原 始融合特 征； 将所述原始融合特征经过卷积层和激活函数后， 获得输入特征对应的显著性权重特 征； 将所述输入特 征对应的显著性权 重特征并与原 始特征进行乘积， 获得聚合特 征。 3.根据权利要求1所述的基于细粒度 领域知识的疾病智能识别方法， 其特征在于， 通过 自注意力网络， 根据病灶区域特 征和病灶边界特 征获取病灶聚合特 征的方法， 包括， 将所述病灶边界特 征利用分裂合并模块进行 特征解纠缠， 获得多个病灶边界特 征块； 将多个病灶边界特征块与病灶区域特征块进行标记， 并嵌入类别标记特征块， 获得标 记病灶特 征块； 利用多头自注意力模块， 利用所述标记病灶特 征块获取聚合特 征。 4.根据权利要求3所述的基于细粒度 领域知识的疾病智能识别方法， 其特征在于， 双坐 标疾病识别模型的训练方法， 包括， 对包含具有病灶区域标注信 息的样本进行预处理获得病变区域掩膜和正常区域掩膜； 基于病变区域掩膜和正常区域掩膜获得训练后的第一坐标模型； 对包含具有病灶点阵标注 信息的样本进 行预处理获的病灶点阵的向量化表 示； 基于病灶点阵的向量化表示 获得训练 后的第二坐标模型； 其中， 所述第一坐标模型为笛卡尔坐标模 型； 第二坐标模型为极坐标坐 标模型； 将训练后的第一坐标模型和第二坐标模型基于多头自注意力模块进行整合后获得双 坐标疾病识别模型； 基于损失函数， 利用梯度反向传播 算法对双坐标疾病识别模型进行训练， 直至收敛。 5.根据权利要求4所述的基于细粒度 领域知识的疾病智能识别方法， 其特征在于， 基于 损失函数， 利用梯度反向传播算法对双坐标疾病识别模型进行训练， 直至收敛的方法， 包 括， 通过双坐标疾病识别模型获得输入的包含具有病灶区域标注信息的样本的疾病良恶 性评价的评分 分布和病灶位置 评价的评分 分布； 获得所述疾病良恶性评价的评分分布与样本图像数据集对应的原始疾病良恶性评价 的评分分布之 间的损失函数， 以及所述病灶位置评价的评 分分布与样本图像数据集对应的 原始疾病病灶位置 评价的评分 分布之间的损失函数； 根据所述损失函数更新所述双坐标疾病识别模型的网络参数， 直至疾病良恶性评价的权　利　要　求　书 1/2 页 2 CN 115330733 A 2评分分布的均方差和病灶位置 评价的评分 分布的均方差均属于预设标准范围内为止 。 6.根据权利要求 4所述的基于细粒度领域知识的疾病智能识别方法， 其特 征在于， 所述病灶点阵标注信息包括良恶性特征块标记、 边缘清晰特征块标记、 毛刺特征块标 记、 边缘成角特 征块标记、 边 缘光滑特征块标记和超声影 像特征块标记。 7.根据权利要求4所述的基于细粒度 领域知识的疾病智能识别方法， 其特征在于， 所述 双坐标疾病识别模型的训练方法还 包括， 利用二元l ogistic回归分析建立疾病评分系统； 基于所述疾病评分系统， 使用逐步 回归方法筛选与疾病的良恶性评价具有相关性的自 变量； 利用所述与疾病的良恶性评价具有相关性的自变量判定所述双坐标疾病识别模型的 预测值与疾病的良恶性的相关性。 8.一种基于细粒度领域知识的疾病智能识别系统， 其特 征在于， 包括： 特征提取单元， 用于获取待识别的患者病灶图像； 利用 双坐标疾病识别模型对患者病 灶图像进 行特征提取， 获取病灶区域特征和病灶边界特征； 其中， 所述双坐标疾病识别模型 包括用于病灶区域划分的第一 坐标模型和用于病灶边界特 征识别的第二 坐标模型； 特征聚合单元， 用于通过自注意力网络， 根据病灶区域特征和病灶边界特征获取病灶 聚合特征； 识别单元， 用于对病灶聚合特征进行分类识别， 获取患者的疾病识别结果； 其中， 所述 疾病识别结果包括病灶的良性/恶性类别判定和病灶位置 。 9.一种电子设备， 其特 征在于， 所述电子设备包括： 至少一个处 理器； 以及， 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的指令， 所述指令被所述至少一个处 理器执行， 以使所述至少一个处理器能够执行如权利要求 1至7中任一所述的基于细粒度领 域知识的疾病智能识别方法中的步骤。 10.一种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中任一所述的基于细粒度领域知识的疾病智能识别方法。权　利　要　求　书 2/2 页 3 CN 115330733 A 3