一种乳腺肿瘤多模态证据链融合判别方法及系统

本发明涉及医学数据智能处理和多模态信息融合，具体为一种乳腺肿瘤多模态证据链融合判别方法及系统。

背景技术：

1、现有乳腺肿瘤辅助判别常需综合医学影像、实验室检测、病理相关数据和临床记录等多源信息。现有临床信息化与智能分析技术通常对不同模态数据分别进行特征提取，再通过向量拼接、加权汇总或对齐后融合建模输出判别结果。由于不同模态在采集条件、量纲尺度、噪声分布和语义层级方面差异显著，现有方法在统一表示与跨模态一致性约束方面存在不足，尤其在模态缺失、采集质量波动或设备差异引起分布漂移时，融合输入可比性难以保证，易出现某一模态偏置累积，导致判别稳定性受限。

2、部分已有技术引入规则库、知识图谱或可解释模型组织多源信息形成证据项并开展推理，但证据项之间的依赖顺序、支持关系和冲突关系多隐含在模型参数或规则集合中，缺少对证据间推理关联的结构化表达，难以形成可复核的推理路径。在多条推理路径并存场景，常见融合策略仍以固定权重、经验权重或简单置信度作为权重来源，难以区分不同证据链内部一致性差异，无法对链内结构一致程度进行量化约束，链路输出矛盾不易被显式抑制，融合结果对局部异常证据的敏感性较高。

3、另外，现有系统多将判别结果和部分输入信息写入日志或数据库，记录方式以结果字段、时间戳和输入摘要为主，缺少对证据链结构、链级输出和融合权重等关键中间数据的可核验绑定，难以保证判别结果与生成过程的稳定对应关系，亦难以在复核场景中对特定链路的结构片段、链级输出和权重信息进行一致性核验。由此，在乳腺肿瘤多模态判别场景中，仍需要一种数据处理方法，使多模态特征具备统一语义空间输入基础，使证据节点可依据跨模态相关一致性形成组织关系，使推理关联可生成证据链结构，使链级一致程度以参数形式参与融合推理，并在输出乳腺肿瘤恶性倾向概率形式的辅助判别结果的同时完成与证据链结构、链级权重参数和推理输出序列的关联记录。

技术实现思路

1、基于以上所述现有技术的缺点，本发明的目的是提供一种乳腺肿瘤多模态证据链融合判别方法及系统，以解决上述技术问题。

2、为实现上述目的，本发明提供如下技术方案：一种乳腺肿瘤多模态证据链融合判别方法，包括：

3、由计算机获取预先采集的乳腺影像数据、乳腺超声数据、实验室检验数据和临床文本数据，作为多模态原始数据；

4、根据多模态原始数据执行特征提取、分布规范化和语义嵌入映射，生成统一语义空间中的多模态特征数据；

5、根据多模态特征数据之间的相关一致性构建证据节点，生成与证据节点对应的置信度参数；

6、根据证据节点之间的推理关联关系构建证据链，生成证据链结构数据；

7、根据证据链结构数据中的链内边权和节点外连候选边，结合证据节点的置信度参数生成链内支撑序列和链内占优序列，根据链内支撑序列、链内占优序列和链内节点的置信度参数生成证据链一致性势能参数；

8、根据证据链结构数据和置信度参数生成每条证据链的证据链推理输出，按照证据链标识形成推理输出序列，根据一致性势能参数对推理输出序列进行加权融合，生成乳腺肿瘤恶性倾向概率形式的融合判别结果；

9、根据融合判别结果关联记录证据链结构数据、证据链一致性势能参数和推理输出序列。

10、本发明进一步设置为，所述生成统一语义空间中的多模态特征数据包括：

11、根据每一模态原始数据执行预处理，生成预处理数据和质量权重；

12、根据预处理数据执行模态编码映射，生成深层特征序列；

13、根据深层特征序列执行加权汇聚，生成定长模态特征，根据质量权重对定长模态特征执行强度调制，生成调制模态特征；

14、对调制模态特征执行分布规范化，生成对齐模态特征；

15、根据预设嵌入映射参数对对齐模态特征执行共享语义空间映射，根据预设幅度约束规则对映射结果执行幅度约束，生成统一语义空间中的多模态特征数据。

16、本发明进一步设置为，所述根据多模态特征数据之间的相关一致性构建证据节点包括：

17、根据统一语义空间中的多模态特征数据和质量权重，调用预设模态投影参数执行计算域映射，生成计算域特征和有效质量权重；

18、根据预设一致性度量规则对计算域特征执行跨模态相关一致性处理，结合有效质量权重生成相关一致性数据；

19、根据相关一致性数据和计算域特征生成一致中心数据；

20、根据预设节点查询参数和相关一致性数据生成模态分配权重；

21、根据模态分配权重、一致中心数据和计算域特征执行汇聚生成证据节点特征，基于证据节点标识封装证据节点集。

22、本发明进一步设置为，所述生成与证据节点对应的置信度参数包括：

23、根据质量权重和模态分配权重生成节点质量汇聚数据；

24、根据相关一致性数据和模态分配权重生成节点一致性支撑数据；

25、根据一致中心数据和证据节点特征生成节点偏离数据；

26、根据预设置信映射规则将节点质量汇聚数据、节点一致性支撑数据和节点偏离数据转换为置信度参数，根据预设边界规则对置信度参数执行约束。

27、本发明进一步设置为，所述生成证据链结构数据包括：

28、根据证据节点特征和置信度参数生成节点对推理关联评分；

29、根据节点对推理关联评分执行方向化处理，生成有向推理关联强度数据；

30、根据有向推理关联强度数据执行稀疏化选择和无环约束筛选，生成有向邻接结构数据；

31、根据有向邻接结构数据执行路径抽取，生成证据链节点序列和链内边权序列，生成证据链集合；

32、根据证据链集合和有向邻接结构数据生成证据链结构数据，证据链结构数据包括节点标识集合、边标识集合、边权集合、链标识集合和链顺序索引。

33、本发明进一步设置为，所述生成证据链一致性势能参数包括：

34、根据证据链结构数据解析得到证据链节点序列、链内边权序列和节点外连候选集合，生成链内序列数据；

35、根据链内边权序列和链内相邻节点的置信度参数生成链内支撑序列；

36、根据节点外连候选集合和链内边权序列生成链内占优序列；

37、根据链内支撑序列、链内占优序列和链内节点置信度参数生成链一致性核；

38、根据链一致性核生成证据链一致性势能参数。

39、本发明进一步设置为，所述根据证据链结构数据和置信度参数生成每条证据链的推理输出包括：

40、根据证据链结构数据中的证据链节点序列和链内边权序列，按节点标识索引调用证据节点特征和置信度参数，生成链内推理输入序列；

41、根据链内推理输入序列对链首节点执行置信门控编码，生成链内初始状态；

42、根据链内边权序列和相邻节点置信度参数对链内状态执行门控递推更新，生成链内状态序列；

43、根据链内状态序列和链内置信度参数生成链级损耗因子；

44、根据链末端状态和链级损耗因子生成证据链推理输出，形成推理输出序列。

45、本发明进一步设置为，所述根据一致性势能参数对推理输出序列进行加权融合，生成融合判别结果包括：

46、将推理输出序列映射为融合域输出序列；

47、根据一致性势能参数对融合域输出序列执行加权融合，生成融合域输出；

48、根据融合域输出生成融合判别结果。

49、本发明进一步设置为，所述根据融合判别结果关联记录证据链结构数据、证据链一致性势能参数和推理输出序列包括：

50、根据融合判别结果、证据链结构数据、证据链一致性势能参数和推理输出序列执行规范化编码，生成样本键、结果键和证据链键；

51、根据证据链键对证据链结构数据进行链级切分，结合对应证据链一致性势能参数和对应证据链推理输出生成链级摘要序列；

52、根据链级摘要序列生成证据承诺根和证据链键对应的包含证明序列；

53、根据融合判别结果和证据承诺根生成结果绑定码，结果绑定码与结果键对应；

54、根据结果绑定码、证据承诺根、样本键和结果键生成追加式归档记录。

55、本发明还提供一种乳腺肿瘤多模态证据链融合判别系统，所述系统包括：

56、特征嵌入模块：由计算机获取预先采集的乳腺影像数据、乳腺超声数据、实验室检验数据和临床文本数据，作为多模态原始数据，根据多模态原始数据执行特征提取、分布规范化和语义嵌入映射，生成统一语义空间中的多模态特征数据；

57、证据构建模块：根据多模态特征数据之间的相关一致性构建证据节点，生成与证据节点对应的置信度参数；

58、证据链构建模块：根据证据节点之间的推理关联关系构建证据链，生成证据链结构数据；

59、势能生成模块：根据证据链结构数据中的链内边权和节点外连候选边，结合证据节点的置信度参数生成链内支撑序列和链内占优序列，根据链内支撑序列、链内占优序列和链内节点的置信度参数生成证据链一致性势能参数；

60、推理融合模块：根据证据链结构数据和置信度参数生成每条证据链的证据链推理输出，按照证据链标识形成推理输出序列，根据一致性势能参数对推理输出序列进行加权融合，生成乳腺肿瘤恶性倾向概率形式的融合判别结果；

61、关联归档模块：根据融合判别结果关联记录证据链结构数据、证据链一致性势能参数和推理输出序列。

62、本发明提供一种乳腺肿瘤多模态证据链融合判别方法及系统，所述方法通过由计算机获取预先采集的乳腺影像数据、乳腺超声数据、实验室检验数据和临床文本数据作为多模态原始数据；根据多模态原始数据执行特征提取、分布规范化和语义嵌入映射，生成统一语义空间中的多模态特征数据；根据多模态特征数据之间的相关一致性构建证据节点，生成与证据节点对应的置信度参数；根据证据节点之间的推理关联关系构建证据链，生成证据链结构数据；根据证据链结构数据中的链内边权和节点外连候选边，结合证据节点的置信度参数生成链内支撑序列和链内占优序列，根据链内支撑序列、链内占优序列和链内节点的置信度参数生成证据链一致性势能参数；根据证据链结构数据和置信度参数生成每条证据链的证据链推理输出，按照证据链标识形成推理输出序列，根据一致性势能参数对推理输出序列进行加权融合，生成乳腺肿瘤恶性倾向概率形式的融合判别结果；根据融合判别结果关联记录证据链结构数据、证据链一致性势能参数和推理输出序列，产生的有益效果包括：

63、1、统一语义输入：基于多模态原始数据的预处理、质量权重、编码汇聚、分布规范化和共享语义映射，形成统一语义空间特征输入，降低模态尺度差异与分布漂移对后续证据组织的影响；

64、2、势能约束融合：基于跨模态相关一致性构建证据节点并生成置信度参数，进一步构建有向证据链并形成结构数据，引入证据链一致性势能参数对链级推理输出加权融合，抑制链内不一致与局部偏差对融合结果的放大，降低低一致链路和局部偏差对融合结果的影响；

65、3、关联可追溯归档：对融合判别结果、证据链结构数据、一致性势能参数和链级推理输出执行规范化编码，生成键值体系并构造链级摘要、证据承诺根和绑定码，形成追加式归档记录，实现结果与证据链全过程数据的可核验关联，为复核、审计与追溯提供一致性依据。

66、上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。