本發(fā)明涉及瘢痕等級(jí)評(píng)估，尤其涉及一種瘢痕等級(jí)評(píng)估模型的訓(xùn)練方法、裝置、設(shè)備及介質(zhì)。

背景技術(shù)：

1、瘢痕是組織創(chuàng)傷修復(fù)后的必然產(chǎn)物，其形成機(jī)理尚不清楚，目前認(rèn)為它是一種創(chuàng)傷后組織纖維異常增生性疾病，是多種原因引起成纖維異常增殖膠原大量形成，導(dǎo)致細(xì)胞外基質(zhì)中膠原過(guò)度沉積所致。

2、目前對(duì)于瘢痕的評(píng)估，一般是由醫(yī)生根據(jù)臨床經(jīng)驗(yàn)和理論知識(shí)進(jìn)行主觀評(píng)估，智能評(píng)估方式較少。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供一種瘢痕等級(jí)評(píng)估模型的訓(xùn)練方法、裝置、設(shè)備及介質(zhì)，用以解決相關(guān)技術(shù)中智能評(píng)估方式較少的缺陷，可以多樣化智能評(píng)估方式。

2、第一方面，本發(fā)明提供瘢痕等級(jí)評(píng)估模型的訓(xùn)練方法，包括：

3、獲取多個(gè)人體瘢痕的多模態(tài)信息；其中，每個(gè)所述人體瘢痕的多模態(tài)信息中包括n個(gè)單模態(tài)信息；n為不小于2的整數(shù)；

4、對(duì)每個(gè)所述多模態(tài)信息中的n個(gè)單模態(tài)信息進(jìn)行預(yù)處理，得到對(duì)應(yīng)的多個(gè)處理后多模態(tài)信息；其中，每個(gè)所述處理后多模態(tài)信息中包括n個(gè)預(yù)處理后單模態(tài)信息；

5、對(duì)于任一所述處理后多模態(tài)信息，分別在所述處理后多模態(tài)信息的n個(gè)所述預(yù)處理后單模態(tài)信息中進(jìn)行特征提取，以得到對(duì)應(yīng)的n個(gè)單模態(tài)特征數(shù)據(jù)，基于注意力機(jī)制分別確定所述n個(gè)單模態(tài)特征數(shù)據(jù)的權(quán)重系數(shù)，根據(jù)所述n個(gè)單模態(tài)特征數(shù)據(jù)的權(quán)重系數(shù)對(duì)所述n個(gè)單模態(tài)特征數(shù)據(jù)進(jìn)行加權(quán)融合，得到所述處理后多模態(tài)信息對(duì)應(yīng)的特征融合數(shù)據(jù)；

6、基于每個(gè)所述處理后多模態(tài)信息對(duì)應(yīng)的特征融合數(shù)據(jù)對(duì)待訓(xùn)練模型進(jìn)行訓(xùn)練，以得到訓(xùn)練好的瘢痕等級(jí)評(píng)估模型。

7、可選的，所述n個(gè)單模態(tài)信息中包括瘢痕圖像、瘢痕量表評(píng)分和血流量數(shù)據(jù)中的至少兩個(gè)。

8、可選的，當(dāng)所述n個(gè)單模態(tài)信息中包括瘢痕圖像、瘢痕量表評(píng)分和血流量數(shù)據(jù)時(shí)，所述對(duì)每個(gè)所述多模態(tài)信息中的n個(gè)單模態(tài)信息進(jìn)行預(yù)處理，得到對(duì)應(yīng)的多個(gè)處理后多模態(tài)信息，包括：

9、對(duì)于任一所述多模態(tài)信息，若確定所述多模態(tài)信息中的瘢痕圖像、瘢痕量表評(píng)分或血流量數(shù)據(jù)為無(wú)效信息，則確定所述多模態(tài)信息為無(wú)效多模態(tài)信息；

10、在所述多個(gè)人體瘢痕的多模態(tài)信息中刪除每個(gè)所述無(wú)效多模態(tài)信息，以得到多個(gè)有效多模態(tài)信息；

11、分別對(duì)每個(gè)所述有效多模態(tài)信息進(jìn)行標(biāo)準(zhǔn)化和歸一化，得到每個(gè)所述有效多模態(tài)信息對(duì)應(yīng)的處理后多模態(tài)信息。

12、可選的，每個(gè)所述處理后多模態(tài)信息中包括預(yù)處理后瘢痕圖像、預(yù)處理后量表評(píng)分和預(yù)處理后血流量數(shù)據(jù)；

13、所述分別對(duì)每個(gè)所述有效多模態(tài)信息進(jìn)行標(biāo)準(zhǔn)化和歸一化，得到每個(gè)所述有效多模態(tài)信息對(duì)應(yīng)的處理后多模態(tài)信息，包括：

14、對(duì)每個(gè)所述有效多模態(tài)信息中的瘢痕圖像進(jìn)行標(biāo)準(zhǔn)化，得到每個(gè)所述有效多模態(tài)信息對(duì)應(yīng)的預(yù)處理后瘢痕圖像；

15、將每個(gè)所述有效多模態(tài)信息中的瘢痕量表評(píng)分歸一化至第一預(yù)設(shè)區(qū)間，得到每個(gè)所述有效多模態(tài)信息對(duì)應(yīng)的預(yù)處理后量表評(píng)分；以及，將每個(gè)所述有效多模態(tài)信息中的血流量數(shù)據(jù)歸一化至第二預(yù)設(shè)區(qū)間，得到每個(gè)所述有效多模態(tài)信息對(duì)應(yīng)的預(yù)處理后血流量數(shù)據(jù)；

16、將對(duì)應(yīng)同一所述有效多模態(tài)信息的預(yù)處理后瘢痕圖像、預(yù)處理后量表評(píng)分和預(yù)處理后血流量數(shù)據(jù)整體作為一個(gè)處理后多模態(tài)信息，以得到每個(gè)所述有效多模態(tài)信息對(duì)應(yīng)的處理后多模態(tài)信息。

17、可選的，所述第一預(yù)設(shè)區(qū)間與所述第二預(yù)設(shè)區(qū)間為相同區(qū)間；所述血流量數(shù)據(jù)中包括血流量的均方根值、平均值、幅值、峰值、最大峰差值和信號(hào)周期中的至少一種。

18、可選的，所述基于注意力機(jī)制分別確定所述n個(gè)單模態(tài)特征數(shù)據(jù)的權(quán)重系數(shù)，包括：

19、分別將所述n個(gè)單模態(tài)特征數(shù)據(jù)輸入至已創(chuàng)建的注意力機(jī)制模型中，以使所述注意力機(jī)制模型分別評(píng)估所述n個(gè)單模態(tài)特征數(shù)據(jù)對(duì)瘢痕等級(jí)評(píng)估的貢獻(xiàn)值；

20、對(duì)于所述n個(gè)單模態(tài)特征數(shù)據(jù)中的任一所述單模態(tài)特征數(shù)據(jù)，計(jì)算所述單模態(tài)特征數(shù)據(jù)對(duì)瘢痕等級(jí)評(píng)估的貢獻(xiàn)值的平方值，將計(jì)算出的平方值作為所述單模態(tài)特征數(shù)據(jù)的初始權(quán)重系數(shù)，判斷所述單模態(tài)特征數(shù)據(jù)對(duì)瘢痕等級(jí)評(píng)估的貢獻(xiàn)值是否大于設(shè)定閾值，并獲得對(duì)應(yīng)的判斷結(jié)果，根據(jù)所述判斷結(jié)果和所述初始權(quán)重系數(shù)確定所述單模態(tài)特征數(shù)據(jù)的權(quán)重系數(shù)。

21、可選的，根據(jù)所述判斷結(jié)果和所述初始權(quán)重系數(shù)確定所述單模態(tài)特征數(shù)據(jù)的權(quán)重系數(shù)，包括：

22、當(dāng)所述判斷結(jié)果為所述單模態(tài)特征數(shù)據(jù)對(duì)瘢痕等級(jí)評(píng)估的貢獻(xiàn)值大于所述設(shè)定閾值時(shí)，確定所述單模態(tài)特征數(shù)據(jù)為優(yōu)勢(shì)特征數(shù)據(jù)，并將所述單模態(tài)特征數(shù)據(jù)的初始權(quán)重系數(shù)乘以設(shè)定的強(qiáng)化系數(shù)，得到對(duì)應(yīng)的乘積并作為所述單模態(tài)特征數(shù)據(jù)的權(quán)重系數(shù)；其中，所述強(qiáng)化系數(shù)大于1；

23、當(dāng)所述判斷結(jié)果為所述單模態(tài)特征數(shù)據(jù)對(duì)瘢痕等級(jí)評(píng)估的貢獻(xiàn)值不大于所述設(shè)定閾值時(shí)，確定所述單模態(tài)特征數(shù)據(jù)非優(yōu)勢(shì)特征數(shù)據(jù)，并直接將所述單模態(tài)特征數(shù)據(jù)的初始權(quán)重系數(shù)作為所述單模態(tài)特征數(shù)據(jù)的權(quán)重系數(shù)。

24、第二方面，本發(fā)明提供一種瘢痕等級(jí)評(píng)估模型的訓(xùn)練裝置，包括：

25、信息獲取單元，用于獲取多個(gè)人體瘢痕的多模態(tài)信息；其中，每個(gè)所述人體瘢痕的多模態(tài)信息中包括n個(gè)單模態(tài)信息；n為不小于2的整數(shù)；

26、預(yù)處理單元，用于對(duì)每個(gè)所述多模態(tài)信息中的n個(gè)單模態(tài)信息進(jìn)行預(yù)處理，得到對(duì)應(yīng)的多個(gè)處理后多模態(tài)信息；其中，每個(gè)所述處理后多模態(tài)信息中包括n個(gè)預(yù)處理后單模態(tài)信息；

27、特征提取單元，用于對(duì)于任一所述處理后多模態(tài)信息，分別在所述處理后多模態(tài)信息的n個(gè)所述預(yù)處理后單模態(tài)信息中進(jìn)行特征提取，以得到對(duì)應(yīng)的n個(gè)單模態(tài)特征數(shù)據(jù)；

28、權(quán)重確定單元，用于基于注意力機(jī)制分別確定所述n個(gè)單模態(tài)特征數(shù)據(jù)的權(quán)重系數(shù)；

29、特征融合單元，用于基于注意力機(jī)制分別確定所述n個(gè)單模態(tài)特征數(shù)據(jù)的權(quán)重系數(shù)；

30、模型訓(xùn)練單元，用于基于每個(gè)所述處理后多模態(tài)信息對(duì)應(yīng)的特征融合數(shù)據(jù)對(duì)待訓(xùn)練模型進(jìn)行訓(xùn)練，以得到訓(xùn)練好的瘢痕等級(jí)評(píng)估模型。

31、第三方面，本發(fā)明提供了一種計(jì)算機(jī)設(shè)備，包括：存儲(chǔ)器和處理器，存儲(chǔ)器和處理器之間互相通信連接，存儲(chǔ)器中存儲(chǔ)有計(jì)算機(jī)指令，處理器通過(guò)執(zhí)行計(jì)算機(jī)指令，從而執(zhí)行上述第一方面或其對(duì)應(yīng)的任一實(shí)施方式的瘢痕等級(jí)評(píng)估模型的訓(xùn)練方法。

32、第四方面，本發(fā)明提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，該計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)指令，計(jì)算機(jī)指令用于使計(jì)算機(jī)執(zhí)行上述第一方面或其對(duì)應(yīng)的任一實(shí)施方式的瘢痕等級(jí)評(píng)估模型的訓(xùn)練方法。

33、本發(fā)明提供的瘢痕等級(jí)評(píng)估模型的訓(xùn)練方法、裝置、設(shè)備及介質(zhì)，可以獲取多個(gè)人體瘢痕的多模態(tài)信息；其中，每個(gè)人體瘢痕的多模態(tài)信息中包括n個(gè)單模態(tài)信息；n為不小于2的整數(shù)；對(duì)每個(gè)多模態(tài)信息中的n個(gè)單模態(tài)信息進(jìn)行預(yù)處理，得到對(duì)應(yīng)的多個(gè)處理后多模態(tài)信息；其中，每個(gè)處理后多模態(tài)信息中包括n個(gè)預(yù)處理后單模態(tài)信息；對(duì)于任一處理后多模態(tài)信息，分別在處理后多模態(tài)信息的n個(gè)預(yù)處理后單模態(tài)信息中進(jìn)行特征提取，以得到對(duì)應(yīng)的n個(gè)單模態(tài)特征數(shù)據(jù)，基于注意力機(jī)制分別確定n個(gè)單模態(tài)特征數(shù)據(jù)的權(quán)重系數(shù)，根據(jù)n個(gè)單模態(tài)特征數(shù)據(jù)的權(quán)重系數(shù)對(duì)n個(gè)單模態(tài)特征數(shù)據(jù)進(jìn)行加權(quán)融合，得到處理后多模態(tài)信息對(duì)應(yīng)的特征融合數(shù)據(jù)；基于每個(gè)處理后多模態(tài)信息對(duì)應(yīng)的特征融合數(shù)據(jù)對(duì)待訓(xùn)練模型進(jìn)行訓(xùn)練，以得到訓(xùn)練好的瘢痕等級(jí)評(píng)估模型。本發(fā)明訓(xùn)練好的瘢痕等級(jí)評(píng)估模型可以基于人體瘢痕的多模態(tài)信息，對(duì)人體瘢痕進(jìn)行瘢痕等級(jí)評(píng)估，實(shí)現(xiàn)對(duì)人體瘢痕等級(jí)的智能化評(píng)估，多樣化瘢痕等級(jí)的智能化評(píng)估方式。