一种急症预警分诊方法及计算机程序产品与流程

本发明涉及医学影像处理，尤其涉及一种急症预警分诊方法及计算机程序产品。

背景技术：

1、急腹症是急诊科常见的危急重症，其分诊的准确性和时效性直接关系到患者的生存预后。目前临床急诊ct影像辅助诊断主要依赖人工阅片，在夜间、节假日值班人员不足时，存在分诊延迟和误诊风险。

2、现有的基于人工智能的急腹症ct辅助诊断技术通常采用三维体素分析方法，需要对ct扫描的完整三维体数据进行卷积运算和特征提取。这种方法计算复杂度高，单次分析可能需要数分钟才能完成，难以满足急诊时效性要求。此外，对于急诊常用的厚层ct扫描数据，传统三维分析方法的处理效果不佳，容易出现精度下降。

3、另一种基于二维切片分类的方案，对单张ct切片进行独立的分类判断。然而，这种方法采用单一尺度的图像处理方式，对微小破裂点、局灶性炎症等占比极小的早期病变敏感度不足，容易造成漏诊。同时，该方案完全忽略了切片间的上下文连续性信息，无法建立空间关联。

4、此外，现有辅助诊断系统大多是纯视觉模型，仅依赖影像数据进行分析，无法有效整合和利用医生输入的临床病史文本信息。在面对影像学表现不典型但临床症状典型的危急病例时，容易出现误判或分诊偏差。

技术实现思路

1、本发明的目的在于提供一种急症预警分诊方法及计算机程序产品，以解决现有技术中存在的技术问题。

2、本发明提供一种急症预警分诊方法，包括：获取患者的影像数据；获取患者的临床文本数据；对所述影像数据进行特征提取，生成影像特征；对所述临床文本数据进行语义解析，生成文本语义特征向量；由跨模态注意力融合模块根据所述文本语义特征向量对所述影像特征进行跨模态注意力引导，生成综合特征向量；基于所述综合特征向量，针对至少一种预设急症类型进行风险评估，并输出分诊结果。该方法通过跨模态注意力融合机制将临床病史文本信息与影像特征进行深度融合，实现了语义引导的区域聚焦，提升了对影像学表现不典型病例的综合判断能力。

3、进一步地，对所述ct影像数据中的多个二维切片进行特征提取，生成影像特征，包括：对所述ct影像数据中的二维切片进行至少两个层级的放大处理，生成多尺度图像切片序列；对所述多尺度图像切片序列进行特征提取与融合，得到多尺度影像特征，作为所述影像特征。通过直接对二维切片序列进行特征提取，避免了传统三维体素分析的高计算复杂度，使单次分诊时间从分钟级缩短至秒级，满足急诊场景的时效性要求。同时，该多尺度处理机制通过金字塔式局部放大，使网络能够在全局视野、区域视野和局部精细视野三个层级观察影像特征，显著增强了对微小破裂点、局灶性炎症等占比极小病变的检测敏感度，有效降低了早期危急征象的漏诊率。

4、进一步地，对所述多尺度图像切片序列进行特征提取与融合，包括：分别对所述多尺度图像切片序列中不同尺度的切片进行特征提取，获得对应尺度的视觉特征；将所述不同尺度的视觉特征进行跨尺度整合，生成多尺度融合特征；在切片序列维度上对所述多尺度融合特征建立上下文关联，生成所述影像特征。该方案通过跨尺度整合和切片序列时序融合，既保留了多尺度的精细特征，又建立了相邻切片间的空间连续性信息，形成了既包含全局上下文又保持局部精细度的统一特征表示。

5、进一步地，在切片序列维度上对所述多尺度融合特征建立上下文关联，包括：采用滑动窗口注意力机制，在保持计算效率的同时捕获相邻切片间的空间连续性信息。该机制避免了传统全局注意力的高计算复杂度，在保证推理速度的同时有效捕获了切片序列的时序依赖关系。

6、进一步地，对所述临床文本数据进行语义解析，生成文本语义特征向量，包括：对所述临床文本数据进行医学要素识别，提取解剖方位要素、器官名称要素、症状描述要素和病史信息要素中的至少一种；利用医学领域预训练语言模型将所提取的要素映射为文本语义特征向量，预训练语言模型可以基于transformer架构。该方案通过医学实体识别精准提取关键语义要素，再利用预训练语言模型将离散的医学实体映射为包含丰富临床先验知识的高维连续特征向量，为后续跨模态融合提供了语义引导基础。

7、进一步，由跨模态注意力融合模块根据所述文本语义特征向量对所述影像特征进行跨模态注意力引导，生成综合特征向量，包括：计算所述文本语义特征向量对所述影像特征中各空间位置的注意力权重，所述注意力权重反映所述文本语义特征向量与所述影像特征中各空间区域的相关程度；根据所述注意力权重对所述影像特征进行加权聚合，生成所述综合特征向量。

8、具体地，通过线性投影将所述文本语义特征矩阵（由多个文本语义向量构成）映射为查询矩阵，将所述影像特征映射为键矩阵和值矩阵；计算所述查询矩阵与所述键矩阵转置的点积并归一化，得到所述文本语义特征矩阵对所述影像特征图中各空间位置的注意力权重矩阵，所述注意力权重矩阵反映所述文本语义特征矩阵与所述影像特征中各空间区域的相关程度；根据所述注意力权重矩阵对所述值矩阵进行加权聚合，生成所述综合特征向量。该交叉注意力机制实现了病史语义对影像特征的精准引导，使病史中语义权重较高的解剖区域在影像特征中获得更强响应，同时抑制与病史无关区域的特征干扰，模拟了临床医生"先问病史、再看片子"的诊断思维。

9、进一步地，所述跨模态注意力融合模块通过以下预训练步骤训练得到：首先，以影像数据、解剖要素及其对应的空间掩膜作为训练样本，通过空间定位损失进行强监督空间定位预训练；和/或以影像数据与临床文本数据的配对关系作为训练样本，通过对比损失进行弱监督全局语义对比预训练。该分层预训练策略中，强监督阶段使模型精确习得"实体词→影像空间区域"的定位能力，弱监督阶段补充了对复杂临床语义的隐式理解能力，两者互为补充，共同支撑了跨模态融合的高效学习。

10、进一步地，所述空间掩膜通过以下方式生成：对于解剖方位要素，通过预置的解剖分区查找表确定对应的感兴趣区域，生成第一空间掩膜；对于器官名称要素，通过预训练的器官分割子网络生成对应器官的分割掩膜，作为第二空间掩膜。该双路径空间映射机制既保证了解剖方位类实体的快速定位，又实现了器官名称类实体的精确分割，为强监督预训练提供了高质量的像素级标注。

11、进一步地，针对至少一种预设急症类型进行风险评估，并输出分诊结果，包括：输出针对预设急症类型的分类判断结果；根据所述分类判断结果生成风险等级评分；输出可视化分诊信息，所述可视化分诊信息包括病变区域定位结果、分诊报告和优先级标记中的至少一种。该多层级输出机制既提供了定量的风险评分和分类判断，又生成了直观的可视化定位和结构化分诊报告，全面满足了急诊医生快速决策和临床记录的双重需求。

12、进一步地，所述预设急症类型包括急性主动脉瘤破裂、脏器破裂出血、急性坏死性胰腺炎及绞窄性肠梗阻中的至少一种。这四类危急重症覆盖了急腹症中病情最凶险、进展最迅速的典型场景，针对性地解决了急诊分诊的核心痛点。

13、本发明还提供一种计算机程序产品，存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的方法。

14、本发明的有益效果在于:

15、1. 通过基于二维切片的轻量化推理架构，摒弃了传统耗时的三维体素分析，使单次分诊时间从分钟级缩短至秒级，有效满足了急诊高并发场景的时效性要求，同时对急诊常用的厚层ct扫描数据具有极高的兼容性，显著提升了模型在实际临床场景中的鲁棒性。

16、2. 通过金字塔式多尺度局部放大机制，在全局视野、区域视野和局部精细视野三个层级提取特征并跨尺度整合，使网络能够更细致地观察微小破裂点、局灶性炎症及早期梗阻等占比极小的病灶，显著增强了对早期危急征象的感知敏感度，有效降低了漏诊率。

17、3. 通过病史-影像双驱动的跨模态注意力融合机制，实现了临床病史文本信息与影像特征的深度语义融合，使系统能够模拟临床医生"先问病史、再看片子"的诊断思维，对病史中语义权重较高的解剖区域进行靶向增强，显著提升了对影像学表现不典型但临床症状典型病例的综合判断能力和分诊准确性。

18、4. 通过强监督空间定位预训练和/或弱监督全局语义对比预训练的分层策略，使跨模态融合模块既精确习得了"实体词→影像空间区域"的定位能力，又补充了对复杂临床语义的隐式理解能力，两者互为补充，共同支撑了模型在急腹症预警分诊任务上的优异性能。