自动评估方法、装置、电子设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114209289A(43)申请公布日2022.03.22(21)申请号202210159584.1(22)申请日2022.02.22(71)申请人武汉大学地址430072湖北省武汉市珞珈山街道八一路299号(72)发明人于红刚李佳张晨霞(74)专利代理机构深圳紫藤知识产权代理有限公司44570代理人杨婉秋(51)Int.Cl.A61B5/00(2006.01)G06N20/00(2019.01)G06V20/40(2022.01)G16H10/60(2018.01)权利要求书2页说明书11页附图5页(54)发明名称自动评估方法、装置、电子设备及存储介质(57)摘要本发明公开了一种选择性胆管插管困难的自动评估方法、装置、电子设备及存储介质，该方法包括：获取目标患者的当前病例数据，并在所述当前病例数据中获取与选择性胆管插管困难的关联因素；获取采集到的视频，并对所述视频进行处理得到若干图像；对所述若干图像进行分类处理，得到若干类别图像；将所述关联因素以及若干类别图像输入至预先训练好的自动评估模型中，得到所述目标患者的选择性胆管插管对应的困难指数。实现了在进行选择性胆管插管时，无需人为的介入，可以快速准确的对其困难程度进行评估。CN114209289ACN114209289A权利要求书1/2页1.一种选择性胆管插管困难的自动评估方法，其特征在于，包括：获取目标患者的当前病例数据，并在所述当前病例数据中获取与选择性胆管插管困难的关联因素；获取采集到的视频，并对所述视频进行处理得到若干图像；对所述若干图像进行分类处理，得到若干类别图像；将所述关联因素以及若干类别图像输入至预先训练好的自动评估模型中，得到所述目标患者的选择性胆管插管对应的困难指数。2.如权利要求1所述的方法，其特征在于，所述在所述当前病例数据中获取与选择性胆管插管困难的关联因素，包括：获取预设的关联特征，并根据所述当前病例数据中读取与所述关联特征对应的关联信息，以得到与选择性胆管插管困难的关联因素。3.如权利要求1所述的方法，其特征在于，所述获取采集到的视频，并对所述视频进行处理得到若干图像，包括：获取采集到的视频，并对所述视频进行解码得到所述视频对应的视频帧；根据所设定的视频帧间隔，在所述视频帧中进行选择，得到若干视频帧，其中一视频帧对应一图像。4.如权利要求1所述的方法，其特征在于，所述对所述若干图像进行分类处理，得到若干类别图像，包括：根据特征标识对所述若干图像进行筛选，得到中间图像；识别所述中间图像中每一图像的图像特征；基于所述图像特征对所述中间图像进行分类，得到若干类别图像，其中一图像特征对应一类别。5.如权利要求4所述的方法，其特征在于，所述基于所述图像特征对所述中间图像进行分类，得到若干类别图像，包括：确定所述图像特征的特征数量；以一图像特征为一组，对所述中间图像进行若干次分类，得到若干组类别图像，其中所述若干次分类的次数与所述特征数量相等。6.如权利要求1至5中任一项所述的方法，其特征在于，所述方法还包括：构建一自动评估模型，并获取对所述自动评估模型进行训练的样本数据，其中所述样本数据包括测试集样本和训练集样本；根据所述训练集样本对所述自动评估模型进行训练；当确定训练后的所述自动评估模型收敛时，根据所述测试集样本对训练后的所述自动评估模型进行测试，并在确定测试通过时得到训练好的自动评估模型。7.如权利要求6所述的方法，其特征在于，所述当确定训练后的所述自动评估模型收敛时，根据所述测试集样本对训练后的所述自动评估模型进行测试，并在确定测试通过时得到训练好的自动评估模型，包括：当确定训练后的所述自动评估模型收敛时，获取基于所述训练集样本进行训练时处于收敛状态的若干自动评估模型所对应的若干组参数；将所述验证集样本输入至训练后的自动评估模型中，并记录所述验证集样本对应的稳2CN114209289A权利要求书2/2页定值，以根据所述稳定值确定训练后的所述自动评估模型是否稳定；当确定训练后的所述自动评估模型稳定时，对所述若干组参数进行融合，以根据融合后的参数得到训练好的自动评估模型。8.一种选择性胆管插管困难的自动评估装置，其特征在于，包括：数据获取模块，用于获取目标患者的当前病例数据，并在所述当前病例数据中获取与选择性胆管插管困难的关联因素；视频处理模块，用于获取采集到的视频，并对所述视频进行处理得到若干图像；图像处理模块，用于对所述若干图像进行分类处理，得到若干类别图像；自动评估模块，用于将所述关联因素以及若干类别图像输入至预先训练好的自动评估模型中，得到所述目标患者的选择性胆管插管对应的困难指数。9.一种电子设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理