[发明专利]数据处理装置及方法、计算机系统

说明书

本发明提供了一种数据处理装置，包括获取模块，用于获取表征被检体的脑部结构信息的M个原始特征数据，其中，M个原始特征数据是通过对被检体的脑部磁共振图像数据进行处理后得到的，M为大于或等于1的正整数；筛选模块，用于从M个原始特征数据中筛选出N个目标特征数据，其中，N为小于或等于M的正整数；处理模块，用于处理N个目标特征数据以确定被检体的分类结果。本发明还提供了一种计算机系统和一种数据处理方法。

技术领域

本发明涉及一种数据处理装置、一种数据处理方法和一种计算机系统。

背景技术

在医疗技术领域，通过医疗设备获取被检体的图像数据之后，一般通过人工阅片的方式判断图像数据的特征，其方式工作量较大、对医师水平要求高且图像细微变化不易被发现。特别地，对于特殊被检体，如自闭症、癫痫等患者，还要结合被检体的行为进行评估，但由于患者沟通能力差而难以顺利展开。加上对软硬件设备要求高以及费用昂贵等原因，短期内无法在多数地区进行普及，使得当下医疗诊断资源缺口巨大，相应辅助诊断水平亟待提高，相关医疗领域迫切需要一种智能化的技术来缓解所存在的问题。

发明内容

本发明的一个方面提供了一种数据处理装置，包括获取模块，用于获取表征被检体的脑部结构信息的M个原始特征数据，其中，上述M个原始特征数据是通过对上述被检体的脑部磁共振图像数据进行处理后得到的，上述M为大于或等于1的正整数；筛选模块，用于从上述M个原始特征数据中筛选出N个目标特征数据，其中，上述N为小于或等于M的正整数；以及处理模块，用于处理上述N个目标特征数据以确定上述被检体的分类结果。

可选地，上述处理模块包括分类单元，上述分类单元是利用如下步骤训练得到的，包括：获取训练样本集，其中，上述训练样本集至少包括多个具有分类信息的被检体对应的多个原始特征数据；对上述训练样本集中多个具有分类信息的被检体对应的多个原始特征数据进行主成分分析，确定用于训练上述分类单元的多个训练特征；利用上述多个训练特征对应的特征数据训练上述分类单元。

可选地，利用上述多个训练特征对应的特征数据训练上述分类单元包括：确定上述多个训练特征中的每个训练特征的分类权重；基于上述多个训练特征生成特征集合，其中，上述特征集合中的每个训练特征具有确定的对应分类权重；剔除上述特征集合中分类权重最小的训练特征，利用上述特征集合中剩余的训练特征对应的特征数据训练上述分类单元。

可选地，利用上述特征集合中剩余的训练特征对应的特征数据训练上述分类单元包括确定上述分类单元的诊断参数；响应于上述分类单元的诊断参数大于或等于阈值，输出上述训练后的分类单元。

可选地，上述诊断参数被计算为：

其中，Q表示诊断参数，sensitivity表示敏感性，specificity表示特异性，TP为正类的实例被预测为正类的比例或数量，FN为正类的实例被预测为负类的比例或数量，FP为负类的实例被预测为正类的比例或数量，TN为负类的实例被预测为负类的比例或数量。

可选地，利用上述特征集合中剩余的训练特征对应的特征数据训练上述分类单元还包括：响应于上述分类单元的诊断参数小于上述阈值，剔除上述特征集合剩余训练特征中分类权重最小的训练特征；根据上述特征集合当前剩余的训练特征对应的特征数据再次训练上述分类单元。

可选地，利用上述特征集合中剩余的训练特征对应的特征数据训练上述分类单元还包括：响应于再次训练后的分类单元的诊断参数大于或等于上述阈值，输出再次训练得到的分类单元；以及输出上述特征集合当前剩余的训练特征。

可选地，从上述M个原始特征数据中筛选出N个目标特征数据包括：将上述特征集合当前剩余的训练特征作为目标特征，从上述M个原始特征数据中筛选出与上述目标特征对应的N个目标特征数据。