[发明专利]一种医学影像文本报告的生成方法及装置

权利要求书

1.一种医学影像文本报告的生成方法，其特征在于，包括：

将待识别的医学影像输入目标识别模型中的目标卷积神经网络，输出针对所述待识别的医学影像的语义特征向量和图像特征向量；

将所述语义特征向量和所述图像特征向量输入所述目标识别模型中的目标循环神经网络，输出针对所述待识别的医学影像的文本报告。

2.如权利要求1所述的生成方法，其特征在于，所述输出针对所述待识别的医学影像的语义特征向量和图像特征向量，包括：

输出针对所述待识别的医学影像的语义特征向量和第一诊断标签；

对所述第一诊断标签进行全连接处理，获得针对所述待识别的医学影像的图像特征向量。

3.如权利要求2所述的生成方法，其特征在于，所述输出针对所述待识别的医学影像的语义特征向量和第一诊断标签，包括：

确定针对所述待识别的医学影像的至少一个诊断标签；

从所述至少一个诊断标签中确定出用于表征被测者患病类别的第一诊断标签；

将所述第一诊断标签输入目标词嵌入模型，输出针对所述待识别的医学影像的所述语义特征向量。

4.如权利要求3所述的生成方法，其特征在于，所述对所述第一诊断标签进行全连接处理，获得针对所述待识别的医学影像的图像特征向量，包括：

确定从所述目标卷积神经网络中最靠近输出层的卷积层输出的针对所述待识别的医学影像的特征图；

根据所述第一诊断标签将所述特征图进行权重加权，获得针对所述待识别的医学影像的所述图像特征向量。

5.如权利要求1所述的生成方法，其特征在于，在将待识别的医学影像输入目标识别模型中的目标卷积神经网络之前，所述生成方法还包括：

将预训练的第一数据集输入待训练的卷积神经网络，其中，所述第一数据集包括含有已知诊断标签的多个医学影像；

将二分类交叉熵作为所述卷积神经网络的损失函数；

将所述损失函数低于第一预设阈值时所对应的卷积神经网络，作为所述目标卷积神经网络。

6.如权利要求1所述的生成方法，其特征在于，在将待识别的医学影像输入目标识别模型中的目标卷积神经网络之前，所述生成方法还包括：

将预训练的第二数据集输入待训练的识别模型，其中，所述第二数据集包括含有已知文本报告的多个医学影像，所述待训练的识别模型包括所述目标卷积神经网络和待训练的循环神经网络；

在所述识别模型的损失函数低于第二预设阈值时所对应的识别模型，作为所述目标识别模型。

7.如权利要求3所述的生成方法，其特征在于，在将待识别的医学影像输入目标识别模型中的目标卷积神经网络之前，所述生成方法还包括：

将预训练的词条输入待训练的词嵌入模型，获得识别结果，其中，所述预训练的词条来自医学文献检索服务系统；

将所述识别结果满足预设误差范围时所对应的词嵌入模型，作为所述目标词嵌入模型。

8.一种医学影像文本报告的生成装置，其特征在于，包括：

第一处理单元，用于将待识别的医学影像输入目标识别模型中的目标卷积神经网络，输出针对所述待识别的医学影像的语义特征向量和图像特征向量；

第二处理单元，用于将所述语义特征向量和所述图像特征向量输入所述目标识别模型中的目标循环神经网络，输出针对所述待识别的医学影像的文本报告。

9.一种计算机设备，包括存储器、处理器以及存储在存储器上并可在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程序时实现权利要求1-7任一项所述的医学影像文本报告的生成方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-7任一项所述的医学影像文本报告的生成方法的步骤。