医学图像智能生成方法、装置、存储介质和程序产品与流程

本公开涉及人工智能，尤其涉及一种医学图像智能生成方法、装置、存储介质和程序产品。

背景技术：

1、在医学领域，医生日常除临床诊疗外，还需开展教学课件制作、病例讲解、医患沟通等工作，医学图像是这些工作的核心要素，其质量直接影响知识传递、病例解读效率及沟通效果。

2、目前医生获取医学图像主要有两种方式：一是从现有医学影像数据库检索，但数据库图像固定单一，难以适配不同场景需求，且检索筛选耗时；二是通过专业软件手动绘制，该方式需医生具备绘图技能，且绘制繁琐，严重占用临床诊疗时间，无法满足高效工作需求。

技术实现思路

1、有鉴于此，本公开实施例提供了一种医学图像智能生成方法、装置、存储介质和程序产品，能够使医生无需具备绘图技能，仅通过日常对话即可快速生成适配不同临床场景的专业医学图像。

2、第一方面，本公开实施例提供了一种医学图像智能生成方法，采用如下技术方案：

3、获取医生在目标场景下的连续对话数据，提取所述连续对话数据中的关键实体；

4、使用时间衰减算法，获取所述关键实体的权重系数；

5、基于所述关键实体、所述关键实体的权重系数和所述关键实体在所述连续对话数据中的位置，构建实体权重对齐向量；

6、将所述连续对话数据和所述实体权重对齐向量输入到意图识别模型中，获取所述意图识别模型输出的核心创作意图和核心创作意图的所需实体；

7、基于所述核心创作意图和所述所需实体，生成结构化文本并输入到预训练的专属医学提示词生成模型中，获取所述专属医学提示词生成模型输出的专属医学提示词；

8、将所述专属医学提示词输入到图像生成模型中，获取所述图像生成模型输出的专属医疗图像。

9、可选地，所述使用时间衰减算法，获取所述关键实体的权重系数，包括：

10、基于所述目标场景，获取时间衰减系数；

11、基于所述目标场景和所述关键实体的数据类型，获取信息重要度系数；

12、基于所述关键实体的来源时间戳、数据处理时间戳、时间衰减系数和信息重要度系数，获取相应的权重系数。

13、可选地，所述意图识别模型包括加权特征融合层、bert编码层和双任务预测头；

14、所述加权特征融合层，用于对所述连续对话数据进行分词处理，得到token id序列和注意力掩码；

15、将所述实体权重对齐向量与所述token id序列对应的token特征进行维度对齐后逐元素相乘，得到加权对话特征向量；

16、所述bert编码层，用于基于所述注意力掩码，对所述加权对话特征向量进行深层语义编码，输出上下文相关的语义特征向量；

17、所述双任务预测头，用于对所述语义特征向量进行解码与分类，输出核心创作意图和不同类型的所需实体。

18、可选地，所述双任务预测头包括意图分类头和实体回归分类头；

19、所述意图分类头，用于对核心创作意图进行分类识别，并输出意图置信度；所述意图分类头在训练时使用focal loss作为损失函数；

20、所述实体回归分类头，用于输出不同类型的所需实体；所述实体回归分类头在训练时使用crf负对数似然损失、均方误差损失与交叉熵损失的加权组合作为联合损失函数。

21、可选地，所述基于所述核心创作意图和所述所需实体，生成结构化文本并输入到预训练的专属医学提示词生成模型中，获取所述专属医学提示词生成模型输出的专属医学提示词，包括：

22、从所述连续对话数据中筛选出与核心创作意图的历史上下文关联信息；

23、检测与所述核心创作意图匹配的历史医生反馈信息；

24、将所述核心创作意图、所述所需实体、所述历史上下文关联信息和所述历史医生反馈信息构成结构化输入文本；

25、将所述结构化输入文本输入到定向微调训练后的专属医学提示词生成模型中，得到专属医学提示词。

26、可选地，所述医学图像智能生成方法还包括：

27、构建训练样本集，所述训练样本集中的每个训练样本均包括医疗图像提示词和相应的医疗图像；

28、构建医学语言损失函数和多维度提示词生成规则库；

29、以所述医学语言损失函数为优化约束、所述多维度提示词生成规则库为生成约束，结合所述训练样本集对所述专属医学提示词生成模型开展定向微调训练。

30、可选地，所述医学图像智能生成方法还包括：

31、获取医生的当前输入的反馈信息；

32、将所述反馈信息添加到所述连续对话数据中，基于新的连续对话数据，对所述实体权重对齐向量中修改内容的权重系数进行更新；

33、将新的连续对话数据和新的实体权重对齐向量输入到意图识别模型中，获取新的核心创作意图和新的所需实体；

34、基于新的核心创作意图和新的所需实体，获取新的专属医疗图像。

35、第二方面，本公开实施例还提供了一种医学图像智能生成系统，采用如下技术方案：

36、实体提取模块，用于获取医生在目标场景下的连续对话数据，提取所述连续对话数据中的关键实体；

37、第一获取模块，用于使用时间衰减算法，获取所述关键实体的权重系数；

38、向量构建模块，用于基于所述关键实体、所述关键实体的权重系数和所述关键实体在所述连续对话数据中的位置，构建实体权重对齐向量；

39、第二获取模块，用于将所述连续对话数据和所述实体权重对齐向量输入到意图识别模型中，获取所述意图识别模型输出的核心创作意图和核心创作意图的所需实体；

40、第三获取模块，用于基于所述核心创作意图和所述所需实体，生成结构化文本并输入到预训练的专属医学提示词生成模型中，获取所述专属医学提示词生成模型输出的专属医学提示词；

41、图像输出模块，用于将所述专属医学提示词输入到图像生成模型中，获取所述图像生成模型输出的专属医疗图像。

42、第三方面，本公开实施例还提供了一种计算机装置，采用如下技术方案：

43、所述计算机装置包括：

44、至少一个处理器；以及，

45、与所述至少一个处理器通信连接的存储器；其中，

46、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令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以上任一所述的医学图像智能生成方法。

47、第四方面，本公开实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行以上任一所述的医学图像智能生成方法。

48、第五方面，本公开实施例还提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现以上任一项所述方法的步骤。

49、本公开实施例提供的医学图像智能生成方法，通过连续对话数据驱动的方式，自动提取医生意图并生成专属医学提示词，医生只需像日常交流一样描述需求即可，无需具备任何绘图或提示词编写技能，大幅降低使用门槛。同时，时间衰减机制能够根据对话动态调整实体权重，适配紧急病例、课件制作、学术论文配图、医患沟通示意图等多种临床场景，响应速度快，能够即时生成符合场景需求的医学图像。整个流程从对话输入到图像输出实现了端到端的自动化，仅需医生进行对话，无需额外操作，显著提升了医学图像生成效率。医生在临床工作中可随时通过自然对话获得专业级图像，避免了因绘图技能不足或提示词撰写困难而导致的工作延误，真正实现了对话即生成的便捷体验。

50、上述说明仅是本公开技术方案的概述，为了能更清楚了解本公开的技术手段，而可依照说明书的内容予以实施，并且为让本公开的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。