基于多示例学习的预测方法、装置、设备和介质与流程

本发明涉及医疗图像识别预测领域，尤其涉及一种基于多示例学习的预测方法、装置、设备和介质。

背景技术：

1、慢性阻塞性呼吸系统异常是由于患者的呼吸系统受到持续性的气流受限，进而导致呼吸系统发生异常反应，影响患者的呼吸健康；然而如果能够有效的检测到患者的呼吸系统的异常情况，则能够提前预防和有效控制，现有技术中通常是对患者进行三维扫描，获取患者的三维呼吸系统图像，通过医疗工作人员或检测设备根据三维呼吸系统图像进行识别，人工检测时需要专业知识技能的医疗工作人员的手动分析，耗费大量的时间和人力物力，通过检测设备进行自动化识别时，由于呼吸系统的三维图像数据量过于庞大，自动化识别需要耗费大量的计算成本，且识别精度较低。

技术实现思路

1、本发明提供了一种基于多示例学习的预测方法、装置、设备和介质，以实现对三维呼吸图像的快速预测，降低了三维呼吸图像预测计算的成本，提高了预测精准度。

2、根据本发明的一方面，提供了一种基于多示例学习的预测方法，包括：

3、获取目标用户呼吸系统的三维呼吸系统图像；

4、基于预设的三维图像处理方法对所述三维呼吸系统图像进行图像处理，确定所述三维呼吸系统图像对应的多个呼吸系统图像示例；

5、通过呼吸系统预测模型根据所述呼吸系统图像示例进行呼吸系统预测，确定所述目标用户呼吸系统的目标预测结果；

6、其中，所述呼吸系统预测模型是基于预设的多示例学习模型训练得到的。

7、根据本发明的另一方面，提供了一种基于多示例学习的预测装置、包括：

8、数据获取模块，用于获取目标用户的三维呼吸系统图像；

9、数据处理模块，用于基于预设的三维图像处理方法对所述三维呼吸系统图像进行图像处理，确定所述三维呼吸系统图像对应的多个呼吸系统图像示例；

10、模型识别模块，用于通过呼吸系统预测模型根据所述呼吸系统图像示例进行呼吸系统预测，确定所述目标用户的呼吸系统预测结果；

11、其中，所述呼吸系统预测模型是基于预设的多示例学习模型训练得到的。

12、根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

13、至少一个处理器；以及

14、与所述至少一个处理器通信连接的存储器；其中，

15、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序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本发明任一实施例所述的基于多示例学习的预测方法。

16、根据本发明的另一方面，提供了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指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的基于多示例学习的预测方法。

17、本发明实施例的技术方案通过获取目标用户呼吸系统的三维呼吸系统图像，使用三维呼吸系统图像进行预测，能够最大可能还原患者呼吸系统的状况，减少预测的噪声，提高预测的精准度；基于预设的三维图像处理方法对所述三维呼吸系统图像进行图像处理，确定所述三维呼吸系统图像对应的多个呼吸系统图像示例，通过对三维呼吸系统图像的图像处理，能够在保留三维患者呼吸系统的细节时，降低预测计算的复杂度和计算量，有效的提高预测的效率；通过呼吸系统预测模型根据所述呼吸系统图像示例进行呼吸系统预测，确定所述目标用户呼吸系统的目标预测结果，通过呼吸系统预测模型进预测，无需人工参与，能够确定患者呼吸系统的预测结果，并且基于呼吸系统图像示例进行预测，降低了预测计算量，提高预测的精准度和效率。解决了现有技术中难以识别患者呼吸系统存在的隐形风险；实现了对用户三维呼吸系统图像的预测，解决三维呼吸系统图像计算量过大导致效率过低的问题，降低了预测计算的成本，提高了三维呼吸系统图像预测的精度和准确率。

18、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种基于多示例学习的预测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述基于预设的三维图像处理方法对所述三维呼吸系统图像进行图像处理，确定所述三维呼吸系统图像对应的多个呼吸系统图像示例，包括：

3.根据权利要求2所述的方法，其特征在于，所述图像示例组合条件包括下述条件：

4.根据权利要求2所述的方法，其特征在于，所述呼吸系统预测模型包括：三维残差神经网络、长短期记忆网络、注意力网络和预测网络；所述通过呼吸系统预测模型根据所述呼吸系统图像示例进行呼吸系统预测，确定所述目标用户的呼吸系统预测结果，包括：

5.根据权利要求4所述的方法，其特征在于，所述基于所述三维残差神经网络对所述呼吸系统图像示例进行特征提取，确定图像特征向量，包括：

6.根据权利要求5所述的方法，其特征在于，所述基于所述长短期记忆网络和所述图像特征向量确定图像记忆向量，包括：

7.根据权利要求6所述的方法，其特征在于，所述根据所述注意力网络和所述图像记忆向量确定所述图像包特征向量，包括：

8.根据权利要求4所述的方法，所述基于所述预测网络和所述图像包特征向量确定目标用户的呼吸系统预测结果，包括：

9.一种基于多示例学习的预测装置，其特征在于，包括：

10.一种电子设备，其特征在于，所述电子设备包括：

技术总结
本发明公开了一种基于多示例学习的预测方法、装置、设备和介质。其特征包括：获取目标用户呼吸系统的三维呼吸系统图像；基于预设的三维图像处理方法对所述三维呼吸系统图像进行图像处理，确定所述三维呼吸系统图像对应的多个呼吸系统图像示例；通过呼吸系统预测模型根据所述呼吸系统图像示例进行呼吸系统预测，确定所述目标用户呼吸系统的目标预测结果；其中，所述呼吸系统预测模型是基于预设的多示例学习模型训练得到的。实现了对用户三维呼吸系统图像的预测，解决三维呼吸系统图像计算量过大导致效率过低的问题，降低了预测计算的成本，提高了三维呼吸系统图像预测的精度和准确率。

技术研发人员：刘长东,许文仪,周子捷
受保护的技术使用者：联仁健康医疗大数据科技股份有限公司
技术研发日：
技术公布日：2024/3/24