本發(fā)明涉及文本處理領(lǐng)域，具體而言，涉及一種基于圖像識(shí)別的腫瘤患者化驗(yàn)數(shù)據(jù)上傳提示方法及裝置。

背景技術(shù)：

1、隨著醫(yī)療技術(shù)的進(jìn)步和腫瘤治療手段的多樣化，腫瘤患者的生存期顯著延長(zhǎng)，腫瘤疾病逐漸呈現(xiàn)出慢性病化的趨勢(shì)。然而，這一變化也對(duì)患者管理和醫(yī)療服務(wù)提出了新的挑戰(zhàn)。特別是對(duì)于接受化療的腫瘤患者，他們需要在化療周期之間定期進(jìn)行血液指標(biāo)監(jiān)測(cè)，以及關(guān)注全身各類癥狀，以評(píng)估化療的副反應(yīng)和療效。對(duì)于醫(yī)生而言，準(zhǔn)確了解患者上周期化療后的情況對(duì)于制定下周期的治療方案至關(guān)重要。然而，在實(shí)際工作中，許多患者由于各種原因（如忘記攜帶化驗(yàn)單、忘記或描述不準(zhǔn)確癥狀等）無(wú)法提供完整準(zhǔn)確的信息，導(dǎo)致醫(yī)生對(duì)患者治療不良反應(yīng)的把握不準(zhǔn)，可能影響治療方案的調(diào)整。此外，隨著腫瘤治療手段的多樣化和患者生存期的延長(zhǎng)，患者的病歷資料和檢查檢驗(yàn)結(jié)果日益增多。紙質(zhì)版報(bào)告的丟失和梳理困難成為醫(yī)生和患者共同面臨的問(wèn)題。這不僅增加了醫(yī)療服務(wù)的難度和成本，也影響了患者管理的個(gè)體化和精細(xì)化。隨著醫(yī)療信息化的發(fā)展，電子病歷云端裝置和實(shí)驗(yàn)室信息云端裝置的廣泛應(yīng)用，大量腫瘤患者的化驗(yàn)數(shù)據(jù)被數(shù)字化存儲(chǔ)。如何從海量的腫瘤化驗(yàn)文本數(shù)據(jù)中快速、準(zhǔn)確地提取出關(guān)鍵的風(fēng)險(xiǎn)信息，并基于這些信息為患者提供指導(dǎo)（非診治類指導(dǎo)），是當(dāng)前醫(yī)療信息化領(lǐng)域面臨的一大挑戰(zhàn)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于圖像識(shí)別的腫瘤患者化驗(yàn)數(shù)據(jù)上傳提示方法及裝置，本發(fā)明實(shí)施例是這樣實(shí)現(xiàn)的：

2、第一方面，本發(fā)明提供了一種一種基于圖像識(shí)別的腫瘤患者化驗(yàn)數(shù)據(jù)上傳提示方法，應(yīng)用于云端裝置，所述云端裝置與目標(biāo)終端通信連接，所述方法包括：響應(yīng)于所述目標(biāo)終端的數(shù)據(jù)上傳指令，獲取用戶上傳的腫瘤化驗(yàn)信息圖像；基于ocr識(shí)別得到所述腫瘤化驗(yàn)信息圖像中包含的腫瘤化驗(yàn)文本；將所述腫瘤化驗(yàn)文本輸入風(fēng)險(xiǎn)提示檢測(cè)算法中的預(yù)學(xué)習(xí)風(fēng)險(xiǎn)信息挖掘算子進(jìn)行風(fēng)險(xiǎn)信息挖掘，得到風(fēng)險(xiǎn)表征向量；所述預(yù)學(xué)習(xí)風(fēng)險(xiǎn)信息挖掘算子是采用預(yù)學(xué)習(xí)腫瘤化驗(yàn)文本集對(duì)所述風(fēng)險(xiǎn)提示檢測(cè)算法中的風(fēng)險(xiǎn)信息挖掘算子進(jìn)行自主預(yù)學(xué)習(xí)得到的；根據(jù)所述風(fēng)險(xiǎn)提示檢測(cè)算法中的風(fēng)險(xiǎn)提示分類器對(duì)所述風(fēng)險(xiǎn)表征向量進(jìn)行風(fēng)險(xiǎn)提示分類，得到所述腫瘤化驗(yàn)文本對(duì)應(yīng)的風(fēng)險(xiǎn)提示程度，并將所述風(fēng)險(xiǎn)提示程度返回至所述目標(biāo)終端。其中，所述風(fēng)險(xiǎn)提示檢測(cè)算法通過(guò)以下訓(xùn)練步驟訓(xùn)練得到：獲取所述預(yù)學(xué)習(xí)腫瘤化驗(yàn)文本集、腫瘤化驗(yàn)文本學(xué)習(xí)樣例和所述腫瘤化驗(yàn)文本學(xué)習(xí)樣例對(duì)應(yīng)的風(fēng)險(xiǎn)提示程度標(biāo)簽；根據(jù)所述預(yù)學(xué)習(xí)腫瘤化驗(yàn)文本集中的腫瘤化驗(yàn)文本對(duì)所述風(fēng)險(xiǎn)信息挖掘算子進(jìn)行自主預(yù)學(xué)習(xí)，得到預(yù)學(xué)習(xí)風(fēng)險(xiǎn)信息挖掘算子；調(diào)取所述預(yù)學(xué)習(xí)風(fēng)險(xiǎn)信息挖掘算子和所述風(fēng)險(xiǎn)提示分類器對(duì)所述腫瘤化驗(yàn)文本學(xué)習(xí)樣例進(jìn)行風(fēng)險(xiǎn)提示分類，得到推理風(fēng)險(xiǎn)提示程度；根據(jù)所述推理風(fēng)險(xiǎn)提示程度和所述風(fēng)險(xiǎn)提示程度標(biāo)簽，獲取算法訓(xùn)練代價(jià)；根據(jù)所述算法訓(xùn)練代價(jià)對(duì)所述預(yù)學(xué)習(xí)風(fēng)險(xiǎn)信息挖掘算子和所述風(fēng)險(xiǎn)提示分類器中的至少一個(gè)的算法配置參數(shù)進(jìn)行優(yōu)化。

3、第二方面，本發(fā)明提供了一種云端裝置，包括：一個(gè)或多個(gè)處理器；存儲(chǔ)器；一個(gè)或多個(gè)計(jì)算機(jī)程序；其中所述一個(gè)或多個(gè)計(jì)算機(jī)程序被存儲(chǔ)在所述存儲(chǔ)器中并被配置為由所述一個(gè)或多個(gè)處理器執(zhí)行，所述一個(gè)或多個(gè)計(jì)算機(jī)程序被所述處理器執(zhí)行時(shí)，實(shí)現(xiàn)如上所述的方法。

4、本發(fā)明的有益效果至少包括：本發(fā)明采用預(yù)學(xué)習(xí)腫瘤化驗(yàn)文本集、腫瘤化驗(yàn)文本學(xué)習(xí)樣例和腫瘤化驗(yàn)文本學(xué)習(xí)樣例對(duì)應(yīng)的風(fēng)險(xiǎn)提示程度標(biāo)簽，根據(jù)預(yù)學(xué)習(xí)腫瘤化驗(yàn)文本集中的腫瘤化驗(yàn)文本對(duì)風(fēng)險(xiǎn)信息挖掘算子進(jìn)行自主預(yù)學(xué)習(xí)，得到預(yù)學(xué)習(xí)風(fēng)險(xiǎn)信息挖掘算子，采用預(yù)學(xué)習(xí)風(fēng)險(xiǎn)信息挖掘算子和風(fēng)險(xiǎn)提示分類器對(duì)腫瘤化驗(yàn)文本學(xué)習(xí)樣例進(jìn)行風(fēng)險(xiǎn)提示分類，得到推理風(fēng)險(xiǎn)提示程度，基于推理風(fēng)險(xiǎn)提示程度和風(fēng)險(xiǎn)提示程度標(biāo)簽，獲取算法訓(xùn)練代價(jià)，根據(jù)算法訓(xùn)練代價(jià)對(duì)預(yù)學(xué)習(xí)風(fēng)險(xiǎn)信息挖掘算子和風(fēng)險(xiǎn)提示分類器中的至少一個(gè)的算法配置參數(shù)進(jìn)行優(yōu)化。本發(fā)明采用數(shù)量龐大的預(yù)學(xué)習(xí)腫瘤化驗(yàn)文本集對(duì)風(fēng)險(xiǎn)提示檢測(cè)算法中的風(fēng)險(xiǎn)信息挖掘算子進(jìn)行自主預(yù)學(xué)習(xí)，獲得預(yù)學(xué)習(xí)風(fēng)險(xiǎn)信息挖掘算子后，采用腫瘤化驗(yàn)文本學(xué)習(xí)樣例對(duì)風(fēng)險(xiǎn)提示檢測(cè)算法進(jìn)行微調(diào)，可以提升風(fēng)險(xiǎn)提示檢測(cè)算法的訓(xùn)練質(zhì)量，風(fēng)險(xiǎn)提示檢測(cè)算法在對(duì)腫瘤化驗(yàn)文本進(jìn)行風(fēng)險(xiǎn)提示分類時(shí)的準(zhǔn)確性得到提升，幫助提供準(zhǔn)確的就醫(yī)指導(dǎo)。

技術(shù)特征：

1.一種基于圖像識(shí)別的腫瘤患者化驗(yàn)數(shù)據(jù)上傳提示方法，其特征在于，應(yīng)用于云端裝置，所述云端裝置與目標(biāo)終端通信連接，所述方法包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述預(yù)學(xué)習(xí)腫瘤化驗(yàn)文本集中的腫瘤化驗(yàn)文本對(duì)所述風(fēng)險(xiǎn)信息挖掘算子進(jìn)行自主預(yù)學(xué)習(xí)，得到預(yù)學(xué)習(xí)風(fēng)險(xiǎn)信息挖掘算子，包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述原腫瘤化驗(yàn)文本、所述積極腫瘤化驗(yàn)文本和所述消極腫瘤化驗(yàn)文本對(duì)所述風(fēng)險(xiǎn)信息挖掘算子進(jìn)行所述自主預(yù)學(xué)習(xí)，得到所述預(yù)學(xué)習(xí)風(fēng)險(xiǎn)信息挖掘算子，包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述風(fēng)險(xiǎn)信息挖掘算子包括第一風(fēng)險(xiǎn)信息挖掘子算子和第二風(fēng)險(xiǎn)信息挖掘子算子，所述第一風(fēng)險(xiǎn)信息挖掘子算子和所述第二風(fēng)險(xiǎn)信息挖掘子算子為包含不同算子配置參數(shù)的孿生算子；所述根據(jù)所述風(fēng)險(xiǎn)信息挖掘算子對(duì)所述原腫瘤化驗(yàn)文本、所述強(qiáng)化原腫瘤化驗(yàn)文本和所述消極腫瘤化驗(yàn)文本分別進(jìn)行風(fēng)險(xiǎn)信息挖掘，得到所述原腫瘤化驗(yàn)文本對(duì)應(yīng)的原風(fēng)險(xiǎn)表征向量、所述強(qiáng)化原腫瘤化驗(yàn)文本對(duì)應(yīng)的強(qiáng)化原風(fēng)險(xiǎn)表征向量和所述消極腫瘤化驗(yàn)文本對(duì)應(yīng)的消極風(fēng)險(xiǎn)表征向量，包括：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述根據(jù)所述第一風(fēng)險(xiǎn)信息挖掘子算子對(duì)所述原腫瘤化驗(yàn)文本進(jìn)行風(fēng)險(xiǎn)信息挖掘，得到所述原風(fēng)險(xiǎn)表征向量；根據(jù)所述第二風(fēng)險(xiǎn)信息挖掘子算子對(duì)所述強(qiáng)化原腫瘤化驗(yàn)文本進(jìn)行風(fēng)險(xiǎn)信息挖掘，得到所述強(qiáng)化原風(fēng)險(xiǎn)表征向量，包括：

6.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)所述原風(fēng)險(xiǎn)表征向量、所述強(qiáng)化原風(fēng)險(xiǎn)表征向量和所述消極風(fēng)險(xiǎn)表征向量進(jìn)行運(yùn)算以得到第一訓(xùn)練代價(jià)值，包括：

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述根據(jù)第一風(fēng)險(xiǎn)信息挖掘子算子對(duì)所述積極腫瘤化驗(yàn)文本進(jìn)行風(fēng)險(xiǎn)信息挖掘，得到所述積極風(fēng)險(xiǎn)表征向量；根據(jù)第二風(fēng)險(xiǎn)信息挖掘子算子對(duì)所述強(qiáng)化積極腫瘤化驗(yàn)文本進(jìn)行風(fēng)險(xiǎn)信息挖掘，得到所述強(qiáng)化積極風(fēng)險(xiǎn)表征向量，包括：

8.根據(jù)權(quán)利要求1~7任一項(xiàng)所述的方法，其特征在于，所述預(yù)學(xué)習(xí)風(fēng)險(xiǎn)信息挖掘算子包括第一預(yù)學(xué)習(xí)風(fēng)險(xiǎn)信息挖掘子算子和第二預(yù)學(xué)習(xí)風(fēng)險(xiǎn)信息挖掘子算子，所述第一預(yù)學(xué)習(xí)風(fēng)險(xiǎn)信息挖掘子算子是第一風(fēng)險(xiǎn)信息挖掘子算子調(diào)取所述自主預(yù)學(xué)習(xí)得到的，所述第二預(yù)學(xué)習(xí)風(fēng)險(xiǎn)信息挖掘子算子是第二風(fēng)險(xiǎn)信息挖掘子算子調(diào)取所述自主預(yù)學(xué)習(xí)得到的；所述調(diào)取所述預(yù)學(xué)習(xí)風(fēng)險(xiǎn)信息挖掘算子和所述風(fēng)險(xiǎn)提示分類器對(duì)所述腫瘤化驗(yàn)文本學(xué)習(xí)樣例進(jìn)行風(fēng)險(xiǎn)提示分類，得到推理風(fēng)險(xiǎn)提示程度，包括：

9.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述腫瘤化驗(yàn)文本包括歷史融合腫瘤化驗(yàn)文本；所述將所述腫瘤化驗(yàn)文本輸入風(fēng)險(xiǎn)提示檢測(cè)算法中的預(yù)學(xué)習(xí)風(fēng)險(xiǎn)信息挖掘算子進(jìn)行風(fēng)險(xiǎn)信息挖掘，得到風(fēng)險(xiǎn)表征向量，包括：

10.一種云端裝置，其特征在于，包括：

技術(shù)總結(jié)
本發(fā)明公開一種基于圖像識(shí)別的腫瘤患者化驗(yàn)數(shù)據(jù)上傳提示方法及裝置，包括：獲取預(yù)學(xué)習(xí)腫瘤化驗(yàn)文本集、腫瘤化驗(yàn)文本學(xué)習(xí)樣例和所述腫瘤化驗(yàn)文本學(xué)習(xí)樣例對(duì)應(yīng)的風(fēng)險(xiǎn)提示程度標(biāo)簽；基于預(yù)學(xué)習(xí)腫瘤化驗(yàn)文本集中的腫瘤化驗(yàn)文本對(duì)風(fēng)險(xiǎn)信息挖掘算子進(jìn)行自主預(yù)學(xué)習(xí)，得到預(yù)學(xué)習(xí)風(fēng)險(xiǎn)信息挖掘算子；采用預(yù)學(xué)習(xí)風(fēng)險(xiǎn)信息挖掘算子和風(fēng)險(xiǎn)提示分類器對(duì)所述腫瘤化驗(yàn)文本學(xué)習(xí)樣例進(jìn)行風(fēng)險(xiǎn)提示分類，得到推理風(fēng)險(xiǎn)提示程度；基于推理風(fēng)險(xiǎn)提示程度和所述風(fēng)險(xiǎn)提示程度標(biāo)簽，獲取算法訓(xùn)練代價(jià)；根據(jù)算法訓(xùn)練代價(jià)對(duì)預(yù)學(xué)習(xí)風(fēng)險(xiǎn)信息挖掘算子和/或風(fēng)險(xiǎn)提示分類器的算法配置參數(shù)進(jìn)行優(yōu)化。本發(fā)明能提高風(fēng)險(xiǎn)提示檢測(cè)算法在進(jìn)行風(fēng)險(xiǎn)提示分類時(shí)的準(zhǔn)確度。

技術(shù)研發(fā)人員：韓全利,王琪,鄧牡紅,崔智,馬岳
受保護(hù)的技術(shù)使用者：中國(guó)人民解放軍總醫(yī)院第一醫(yī)學(xué)中心
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2