医学诊断方法以及相关设备与流程

1.本技术涉及计算机技术领域，具体涉及一种医学诊断方法以及相关设备。


背景技术：

2.在医生诊断过程中，目前一般只对待诊断对象的某个局部区域(部位、器官或组织等)或者某个系统(神经系统、血液系统等)进行诊断，从而根据局部区域的病变情况给出诊断结论和治疗建议。在诊疗的整个过程中，医生、患者都对患者的身体整体情况没有建立完整的信息整合、了解。这样的诊断方式很容易导致误判或漏诊，得到的诊断结果的准确度较低。


技术实现要素：

3.本技术实施例提供一种医学诊断方法以及相关设备，相关设备可以包括医学诊断装置、电子设备、计算机可读存储介质和计算机程序产品，可以对待诊断对象进行全面的诊断，提高诊断结果的准确度。
4.本技术实施例提供一种医学诊断方法，包括：
5.获取针对待诊断对象的目标生理部位的目标医学检测数据；
6.对所述目标医学检测数据进行病灶识别，得到所述目标生理部位对应的病灶属性信息；
7.获取与所述目标生理部位的病灶属性信息对应的共性分析规则，所述共性分析规则指示与所述目标生理部位存在共性关系的关联生理信息；
8.基于所述关联生理信息和所述病灶属性信息，对所述待诊断对象进行病情推演分析，得到目标诊断结果。
9.相应的，本技术实施例提供一种医学诊断装置，包括：
10.第一获取单元，用于获取针对待诊断对象的目标生理部位的目标医学检测数据；
11.识别单元，用于对所述目标医学检测数据进行病灶识别，得到所述目标生理部位对应的病灶属性信息；
12.第二获取单元，用于获取与所述目标生理部位的病灶属性信息对应的共性分析规则，所述共性分析规则指示与所述目标生理部位存在共性关系的关联生理信息；
13.诊断单元，用于基于所述关联生理信息和所述病灶属性信息，对所述待诊断对象进行病情推演分析，得到目标诊断结果。
14.可选的，在本技术的一些实施例中，所述关联生理信息包括与所述目标生理部位存在共性关系的关联生理部位信息；所述诊断单元具体可以用于基于所述共性分析规则，获取针对所述待诊断对象的所述关联生理部位信息的医学检测数据；基于所述关联生理部位信息的医学检测数据和所述病灶属性信息，对所述待诊断对象进行病情推演分析，得到目标诊断结果。
15.可选的，在本技术的一些实施例中，所述关联生理信息包括与所述目标生理部位
存在共性关系的关联生理指标信息；所述诊断单元具体可以用于基于所述共性分析规则，获取针对所述待诊断对象的所述关联生理指标信息的医学检测数据；基于所述关联生理指标信息的医学检测数据和所述病灶属性信息，对所述待诊断对象进行病情推演分析，得到目标诊断结果。
16.可选的，在本技术的一些实施例中，所述医学诊断装置还可以包括参考诊断单元，所述参考诊断单元用于当获取不到与所述病灶属性信息对应的共性分析规则时，调取所述待诊断对象在目标时间段下的参考医学检测数据；从所述参考医学检测数据中确定与所述目标医学检测数据匹配的相似医学检测数据；根据所述病灶属性信息和所述相似医学检测数据，对所述待诊断对象进行病情推演分析，得到目标诊断结果。
17.可选的，在本技术的一些实施例中，所述第二获取单元可以包括第一获取子单元、查询子单元，如下：
18.所述第一获取子单元，用于获取预设共性关系集合，所述预设共性关系集合包括预设生理部位的病灶属性信息和预设共性分析规则之间的映射关系；
19.查询子单元，用于从所述预设共性关系集合中查询与所述目标生理部位的病灶属性信息对应的共性分析规则。
20.可选的，在本技术的一些实施例中，所述诊断单元可以包括第二获取子单元和诊断子单元，如下：
21.所述第二获取子单元，用于获取所述关联生理信息的医学检测数据对应的关联病灶属性信息；
22.诊断子单元，用于当所述关联病灶属性信息和所述病灶属性信息之间的关联关系满足预设关联条件时，基于所述预设关联条件对应的诊断经验相关信息，对所述待诊断对象进行诊断，得到目标诊断结果。
23.可选的，在本技术的一些实施例中，所述医学诊断装置还可以包括病例诊断单元，所述病例诊断单元用于当所述预设关联条件对应的诊断经验相关信息与所述待诊断对象对应的诊断过程的差异度大于预设值时，从候选病例中选取与所述待诊断对象的诊断过程匹配的相似病例；基于所述相似病例的诊断结果，确定所述待诊断对象的目标诊断结果。
24.可选的，在本技术的一些实施例中，所述识别单元具体可以用于通过训练后的病灶识别模型，对所述目标医学检测数据进行病灶识别，得到所述目标生理部位对应的病灶属性信息。
25.可选的，在本技术的一些实施例中，所述医学诊断装置还可以包括训练单元，所述训练单元用于对病灶识别模型进行训练；具体地，所述训练单元可以用于获取训练数据，所述训练数据包括样本生理部位对应的样本医学检测数据与所述样本生理部位对应的期望病灶属性信息；通过病灶识别模型，对所述样本医学检测数据进行病灶识别，得到所述样本生理部位对应的实际病灶属性信息；基于所述期望病灶属性信息和所述实际病灶属性信息，对病灶识别模型的参数进行调整，得到训练后的病灶识别模型。
26.本技术实施例提供的一种电子设备，包括处理器和存储器，所述存储器存储有多条指令，所述处理器加载所述指令，以执行本技术实施例提供的医学诊断方法中的步骤。
27.本技术实施例还提供一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现本技术实施例提供的医学诊断方法中的步骤。
28.此外，本技术实施例还提供一种计算机程序产品，包括计算机程序或指令，该计算机程序或指令被处理器执行时实现本技术实施例提供的医学诊断方法中的步骤。
29.本技术实施例提供了一种医学诊断方法以及相关设备，可以获取针对待诊断对象的目标生理部位的目标医学检测数据；对所述目标医学检测数据进行病灶识别，得到所述目标生理部位对应的病灶属性信息；获取与所述目标生理部位的病灶属性信息对应的共性分析规则，所述共性分析规则指示与所述目标生理部位存在共性关系的关联生理信息；基于所述关联生理信息和所述病灶属性信息，对所述待诊断对象进行病情推演分析，得到目标诊断结果。本技术可以结合与所述目标生理部位存在共性关系的关联生理信息，来对待诊断对象进行全面的诊断，提高了诊断结果的准确度。
附图说明
30.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
31.图1a是本技术实施例提供的医学诊断方法的场景示意图；
32.图1b是本技术实施例提供的医学诊断方法的流程图；
33.图2是本技术实施例提供的医学诊断方法的另一流程图；
34.图3是本技术实施例提供的医学诊断装置的结构示意图；
35.图4是本技术实施例提供的电子设备的结构示意图。
具体实施方式
36.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
37.本技术实施例提供一种医学诊断方法以及相关设备，相关设备可以包括医学诊断装置、电子设备、计算机可读存储介质和计算机程序产品。该医学诊断装置具体可以集成在电子设备中，该电子设备可以是终端或服务器等设备。
38.可以理解的是，本实施例的医学诊断方法可以是在终端上执行的，也可以是在服务器上执行，还可以由终端和服务器共同执行的。以上举例不应理解为对本技术的限制。
39.如图1a所示，以终端和服务器共同执行医学诊断方法为例。本技术实施例提供的医学诊断系统包括终端10和服务器11等；终端10与服务器11之间通过网络连接，比如，通过有线或无线网络连接等，其中，医学诊断装置可以集成在服务器中。
40.其中，服务器11，可以用于获取针对待诊断对象的目标生理部位的目标医学检测数据；对所述目标医学检测数据进行病灶识别，得到所述目标生理部位对应的病灶属性信息；获取与所述目标生理部位的病灶属性信息对应的共性分析规则，所述共性分析规则指示与所述目标生理部位存在共性关系的关联生理信息；基于所述关联生理信息和所述病灶属性信息，对所述待诊断对象进行病情推演分析，得到目标诊断结果，将目标诊断结果发送
给终端10。其中，服务器11可以是单台服务器，也可以是由多个服务器组成的服务器集群或云服务器。
41.其中，终端10，可以用于：向服务器11发送待诊断对象的目标生理部位的目标医学检测数据，还可以接收服务器11发送的目标诊断结果。其中，终端10可以包括手机、平板电脑、笔记本电脑、或个人计算机(pc，personal computer)等。终端10上还可以设置客户端，该客户端可以是应用程序客户端或浏览器客户端等等。
42.上述服务器11进行医学诊断的步骤，也可以由终端10执行。
43.本技术实施例提供的医学诊断方法涉及人工智能领域中的机器学习。
44.其中，人工智能(ai,artificial intelligence)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。其中，人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习、自动驾驶、智慧交通等几大方向。
45.其中，机器学习(machine learning,ml)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。
46.以下分别进行详细说明。需说明的是，以下实施例的描述顺序不作为对实施例优选顺序的限定。
47.本实施例将从医学诊断装置的角度进行描述，该医学诊断装置具体可以集成在电子设备中，该电子设备可以是服务器或终端等设备。
48.如图1b所示，该医学诊断方法的具体流程可以如下：
49.101、获取针对待诊断对象的目标生理部位的目标医学检测数据。
50.其中，待诊断对象可以是需要进行疾病诊断的对象，该对象可以是人，也可以是动物，本实施例对此不作限制。
51.其中，目标生理部位可以是待诊断对象的某个器官、组织、或者某个系统等，如神经系统、血液系统等，本实施例对此不作限制。
52.其中，目标医学检测数据可以是对目标生理部位进行医学检测得到的医学信息，具体可以是医学影像数据。
53.比如，目标医学检测数据可以是利用电子计算机断层扫描(computed tomography，ct)、磁共振检查(magnetic resonance,mr)、4d(4-dimensional，四维)超声超声波等方式，对人体生理结构进行扫描而得到的医学影像。人体生理结构可以为心脏、肝脏、肺部、血管、骨骼等等。
54.又比如，目标医学检测数据还可以是患者的诊断报告、化验单等。通过心电设备、
脑电设备、dr(digital radiography，数字射线摄影)设备(如胸透设备等)、dsa(digital subtraction angiography，数字减影技术)设备、内窥镜设备等对人体目标生理结构或区域进行检测，得到的图表数据均可以作为医学检测数据。
55.在目前相关技术中，医生通常只对待诊断对象的某个局部区域(部位、器官或组织等)或者某个系统(神经系统、血液系统等)进行诊断，从而根据局部区域的病变情况给出诊断结论和治疗建议。在诊疗的整个过程中，医生、患者都对患者的身体整体情况没有建立完整的信息整合、了解，这样会导致患者本身并不了解某个局部区域的病变是该区域存在问题，还是由于其他区域也出现问题，而引起该区域出现严重的病变。然而，很多疾病可能是由于多个区域(部位、器官或组织等)出现问题，而最终导致某个局部区域出现了严重的病变。仅针对局部区域的诊断往往无法找到真实的病因或疾病的源头，难以给出全面的诊疗建议。
56.本技术可以根据身体部位之间病灶的关联性，对身体多处出现病变的区域进行综合分析，给出针对目标区域(也即目标生理部位)的准确、全面的诊断和治疗建议。其中，身体部位之间病灶的关联性一般不是初级或中级医生能够了解和学习到的诊断经验，这些诊断经验通常仅掌握在一些资深专家手中。本技术可以将这些部位之间存在病因关联的诊断经验搜集起来，形成自动化的人工智能诊断方法，从而辅助医生结合人体多个生理部位的病情变化，给出目标区域病情的全面的诊断结果和诊疗建议。
57.102、对所述目标医学检测数据进行病灶识别，得到所述目标生理部位对应的病灶属性信息。
58.其中，病灶识别具体可以是识别机体上发生病变的部分。病灶属性信息具体也即病灶特征，如某个部位出现非钙化斑块。
59.可选地，本实施例中，步骤“对所述目标医学检测数据进行病灶识别，得到所述目标生理部位对应的病灶属性信息”，可以包括：
60.通过训练后的病灶识别模型，对所述目标医学检测数据进行病灶识别，得到所述目标生理部位对应的病灶属性信息。
61.其中，病灶识别模型可以是神经网络模型，具体地，该神经网络模型可以是视觉几何组网络(vggnet，visual geometry group network)、残差网络(resnet，residual network)和密集连接卷积网络(densenet，dense convolutional network)等等，但是应当理解的是，本实施例的病灶识别模型并不仅限于上述列举的几种类型。
62.本实施例可以利用预先构建的病灶识别模型，识别医学检测数据中的病灶及其属性信息。其中，病灶识别模型可以以标记好的病灶信息为输入，通过深度学习神经网络或者传统算法，经多次训练，形成病灶识别模型。
63.需要说明的是，该病灶识别模型具体可以由其他设备进行训练后，提供给该医学诊断装置，或者，也可以由该医学诊断装置自行进行训练。
64.若由该医学诊断装置自行进行训练，则在步骤“通过训练后的病灶识别模型，对所述目标医学检测数据进行病灶识别，得到所述目标生理部位对应的病灶属性信息”之前，还可以包括：
65.获取训练数据，所述训练数据包括样本生理部位对应的样本医学检测数据与所述样本生理部位对应的期望病灶属性信息；
66.通过病灶识别模型，对所述样本医学检测数据进行病灶识别，得到所述样本生理部位对应的实际病灶属性信息；
67.基于所述期望病灶属性信息和所述实际病灶属性信息，对病灶识别模型的参数进行调整，得到训练后的病灶识别模型。
68.其中，该训练过程是先识别出样本生理部位对应的实际病灶属性信息，然后，使用反向传播算法对病灶识别模型的参数进行调整，基于期望病灶属性信息和实际病灶属性信息，优化病灶识别模型的参数，使得实际病灶属性信息趋近于期望病灶属性信息，得到训练好的病灶识别模型。具体地，可以使识别到的实际病灶属性信息与对应的期望病灶属性信息之间的损失值小于预设值，该预设值可以根据实际情况进行设置。
69.103、获取与所述目标生理部位的病灶属性信息对应的共性分析规则，所述共性分析规则指示与所述目标生理部位存在共性关系的关联生理信息。
70.其中，共性关系具体可以指内在关联关系。具体地，共性分析规则还可以包含：当关联生理信息存在某种关联病灶属性信息，该关联病灶属性信息为与目标生理部位的病灶属性信息的关联关系满足预设关联条件的病灶属性信息时，待诊断对象可能存在某种疾病的指示信息。
71.可选地，本实施例中，步骤“获取与所述目标生理部位的病灶属性信息对应的共性分析规则”，可以包括：
72.获取预设共性关系集合，所述预设共性关系集合包括预设生理部位的病灶属性信息和预设共性分析规则之间的映射关系；
73.从所述预设共性关系集合中查询与所述目标生理部位的病灶属性信息对应的共性分析规则。
74.其中，预设共性关系集合可以是基于一些资深医生的诊断经验(可以包括实践诊断经验和/或理论诊断经验)构建得到的；具体地，资深医生的诊断经验可以为：哪些部位之间存在病灶形成的关联；或者，哪些器官之间存在病灶形成的关联；或者，哪些血管之间存在病灶形成的关联。
75.预设共性关系集合可以实时更新。比如，可以利用随访信息或新的专家经验对预设共性关系集合进行更新。随访是指：通过对患者的定期跟踪观察，得到病灶随治疗的变化情况。
76.具体地，该预设共性关系集合可以是预设生理部位的病灶属性信息与其对应的共性分析规则的关系表。其中，共性的含义具体可以指二者之间存在的内在关联。
77.其中，关联生理信息可以包括关联生理部位信息和关联生理指标信息等，本实施例对此不作限制。关联生理部位信息可以包括关联生理部位的病灶征象、病灶出现的位置或病灶的分布形态等等。关联生理部位信息可以理解为宏观层面上与目标生理部位关联的信息；关联生理指标信息可以理解为微观层面上与目标生理部位关联的信息，它是一种可以用于分析目标生理部位病因的线索。
78.其中，关联生理信息的医学检测数据可以是医学影像数据，也可以是化验单等。
79.在一些实施例中，关联生理部位可以与目标生理部位相同，也可以不同，本实施例对此不作限制。比如，目标生理部位和关联生理部位都可以为肺部，目标生理部位的病灶属性信息为肺炎病灶，关联生理部位信息的医学检测数据可以是患者肺部的临床化验单中记
录的信息。
80.本实施例中，可以将不同部位的病灶属性信息作为下结论的证据；以资深专家的诊断经验为下结论的规则；通过结合病灶属性信息和资深专家的诊断经验，来得到诊断结论。
81.104、基于所述关联生理信息和所述病灶属性信息，对所述待诊断对象进行病情推演分析，得到目标诊断结果。
82.可选地，本实施例中，所述关联生理信息包括与所述目标生理部位存在共性关系的关联生理部位信息；
83.步骤“基于所述关联生理信息和所述病灶属性信息，对所述待诊断对象进行病情推演分析，得到目标诊断结果”，可以包括：
84.基于所述共性分析规则，获取针对所述待诊断对象的所述关联生理部位信息的医学检测数据；
85.基于所述关联生理部位信息的医学检测数据和所述病灶属性信息，对所述待诊断对象进行病情推演分析，得到目标诊断结果。
86.可选地，本实施例中，所述关联生理信息包括与所述目标生理部位存在共性关系的关联生理指标信息；
87.步骤“基于所述关联生理信息和所述病灶属性信息，对所述待诊断对象进行病情推演分析，得到目标诊断结果”，可以包括：
88.基于所述共性分析规则，获取针对所述待诊断对象的所述关联生理指标信息的医学检测数据；
89.基于所述关联生理指标信息的医学检测数据和所述病灶属性信息，对所述待诊断对象进行病情推演分析，得到目标诊断结果。
90.一些实施例中，可以基于预设共性关系集合，确定出与目标生理部位的病灶属性信息具有共性关系的医学信息，并相应的给出诊断结果。
91.在一具体场景中，以肺部病灶为例，即目标生理部位为肺部。在肺部dr影像中检测出肺炎病灶(目标生理部位的病灶属性信息)。通常情况下，这样不好判断是病毒性、细菌性还是支原体性引起的肺炎，本实施例可以利用专家通过多种共性关系的信息总结得到的预设共性关系集合，同时获取该患者肺部的临床化验单，根据肺炎病灶和临床化验单中记录的指标信息(关联生理指标信息)，能够给出该肺炎病灶是属于病毒性的肺炎。
92.另一些实施例中，基于预设共性关系集合，查找与目标生理部位的病灶属性信息具有关联关系的医学信息(具体即关联生理信息)，若查找不到，则可以调取该患者同期的医学检测数据，寻找与目标生理部位的目标医学检测数据相近似的至少一个医学检测数据，并相应的给出诊断结果。其中，同期的医学检测数据可以指在某个短时间范围内的医学检测数据，例如，几小时，几天或者几个月内的医学检测数据。
93.可选地，本实施例中，该医学诊断方法还可以包括：
94.当获取不到与所述病灶属性信息对应的共性分析规则时，调取所述待诊断对象在目标时间段下的参考医学检测数据；
95.从所述参考医学检测数据中确定与所述目标医学检测数据匹配的相似医学检测数据；
96.根据所述病灶属性信息和所述相似医学检测数据，对所述待诊断对象进行病情推演分析，得到目标诊断结果。
97.其中，该目标时间段可以根据实际情况进行设置，本实施例对此不作限制。如可以设置为一个月、半年等。
98.其中，可以先确定各个参考医学检测数据与目标医学检测数据的匹配度，再从参考医学检测数据中选取匹配度满足预设匹配条件的参考医学检测数据作为目标医学检测数据的相似医学检测数据。预设匹配条件可以根据实际情况设置。
99.本实施例中，获取同期相似医学检测数据的做法倾向于整合，即根据因果关系，将具有因果关系的医学检测数据整合/组织在一起，从而根据整合结果进行更全面的诊断。
100.在一具体场景中，以脑部非钙化斑块为例，目标生理部位为脑部，其病灶属性信息为非钙化斑块。在脑部ct影像中检测出非钙化斑块，根据脑部ct影像中检测出非钙化斑块的信息，利用上述实施例中的预设共性关系集合，可以初步确定可能存在某种病情，但是，并不能直接下结论。此时，可以在该患者的同期检查当中，寻找存在共性的医学检测数据(也即医学信息)。在寻找过程中，发现该患者在心脏区域也发现了非钙化斑块，此时，可以得到诊断结果：血液存在脂质偏高，易沉积，需要进行降低血脂的治疗。
101.可选地，本实施例中，步骤“基于所述关联生理信息和所述病灶属性信息，对所述待诊断对象进行病情推演分析，得到目标诊断结果”，可以包括：
102.获取所述关联生理信息的医学检测数据对应的关联病灶属性信息；
103.当所述关联病灶属性信息和所述病灶属性信息之间的关联关系满足预设关联条件时，基于所述预设关联条件对应的诊断经验相关信息，对所述待诊断对象进行诊断，得到目标诊断结果。
104.其中，该预设关联条件和预设关联条件对应的诊断经验相关信息可以记录在预设共性关系集合中，若二者满足预设关联条件，则可以将预设共性关系集合中所记录的对应诊断经验相关信息作为参考，来对待诊断对象进行诊断。此外，需要说明的是，共性分析规则也可以包括对应的诊断经验相关信息，本实施例对此不作限制。
105.比如，在一具体场景中，目标生理部位为脑部，其病灶属性信息为非钙化斑块，关联生理部位为心脏，其检测到的关联病灶属性信息也为非钙化斑块，满足预设共性关系集合中记录的心脏和脑部都存在非钙化斑块的预设关联条件，则可以获取对应的诊断经验相关信息作为参考进行诊断。
106.可选地，本实施例中，该医学诊断方法还可以包括：
107.当所述预设关联条件对应的诊断经验相关信息与所述待诊断对象对应的诊断过程的差异度大于预设值时，从候选病例中选取与所述待诊断对象的诊断过程匹配的相似病例；
108.基于所述相似病例的诊断结果，确定所述待诊断对象的目标诊断结果。
109.其中，该预设值可以根据实际情况设置。候选病例具体可以是预设病例数据库中的病例。
110.其中，若共性关系表(即预设共性关系集合)中记录了与待诊断对象的诊断过程相悖或差异较大的诊断经验，则可以根据当前病例的情况，从预设病例数据库中寻找，与该患者病例相近似的病例的诊断结果，并推送给医生，作为诊断的参考。
111.本技术可以在检测出某个部位的病灶的基础上，根据预先构建的预设共性关系集合，确定存在共性关系的其他部位的医学检测数据，结合多个部位的病变情况，给出全面的诊断结果和诊疗建议；或者，根据目标医学检测数据在同期的参考医学检测数据中寻找与其存在共性关系的医学检测数据，并给出全面的诊断结果和诊疗建议。通过这种共性关系得到的诊断结论和治疗建议，能够更加全面展现病灶的形成原因和关联，与此同时，能够形成不同区域之间病灶成因的相互支持，让诊断的可信度更高。
112.由上可知，本实施例可以获取针对待诊断对象的目标生理部位的目标医学检测数据；对所述目标医学检测数据进行病灶识别，得到所述目标生理部位对应的病灶属性信息；获取与所述目标生理部位的病灶属性信息对应的共性分析规则，所述共性分析规则指示与所述目标生理部位存在共性关系的关联生理信息；基于所述关联生理信息和所述病灶属性信息，对所述待诊断对象进行病情推演分析，得到目标诊断结果。本技术可以结合与所述目标生理部位存在共性关系的关联生理信息，来对待诊断对象进行全面的诊断，提高了诊断结果的准确度。
113.根据前面实施例所描述的方法，以下将以该医学诊断装置具体集成在终端举例作进一步详细说明。
114.本技术实施例提供一种医学诊断方法，如图2所示，该医学诊断方法的具体流程可以如下：
115.201、终端获取针对待诊断对象的目标生理部位的目标医学检测数据。
116.其中，目标生理部位可以是待诊断对象的某个器官、组织、或者某个系统等，如神经系统、血液系统等，本实施例对此不作限制。
117.其中，目标医学检测数据可以是对目标生理部位进行医学检测得到的医学信息，具体可以是医学影像数据。
118.202、终端对所述目标医学检测数据进行病灶识别，得到所述目标生理部位对应的病灶属性信息。
119.其中，病灶识别具体可以是识别机体上发生病变的部分。病灶属性信息具体也即病灶特征，如某个部位出现非钙化斑块。
120.可选地，本实施例中，步骤“对所述目标医学检测数据进行病灶识别，得到所述目标生理部位对应的病灶属性信息”，可以包括：
121.通过训练后的病灶识别模型，对所述目标医学检测数据进行病灶识别，得到所述目标生理部位对应的病灶属性信息。
122.本实施例可以利用预先构建的病灶识别模型，识别医学检测数据中的病灶及其属性信息。其中，病灶识别模型可以以标记好的病灶信息为输入，通过深度学习神经网络或者传统算法，经多次训练，形成病灶识别模型。
123.203、终端获取与所述目标生理部位的病灶属性信息对应的共性分析规则，所述共性分析规则指示与所述目标生理部位存在共性关系的关联生理信息。
124.其中，共性关系具体可以指内在关联关系。具体地，共性分析规则还可以包含：当关联生理信息存在某种关联病灶属性信息，该关联病灶属性信息为与目标生理部位的病灶属性信息的关联关系满足预设关联条件的病灶属性信息时，待诊断对象可能存在某种疾病的指示信息。
125.可选地，本实施例中，步骤“获取与所述目标生理部位的病灶属性信息对应的共性分析规则”，可以包括：
126.获取预设共性关系集合，所述预设共性关系集合包括预设生理部位的病灶属性信息和预设共性分析规则之间的映射关系；
127.从所述预设共性关系集合中查询与所述目标生理部位的病灶属性信息对应的共性分析规则。
128.其中，预设共性关系集合可以是基于一些资深医生的诊断经验(可以包括实践诊断经验和/或理论诊断经验)构建得到的；具体地，资深医生的诊断经验可以为：哪些部位之间存在病灶形成的关联；或者，哪些器官之间存在病灶形成的关联；或者，哪些血管之间存在病灶形成的关联。
129.其中，关联生理信息可以包括关联生理部位信息和关联生理指标信息等，本实施例对此不作限制。关联生理部位信息可以包括关联生理部位的病灶征象、病灶出现的位置或病灶的分布形态等等。关联生理部位信息可以理解为宏观层面上与目标生理部位关联的信息；关联生理指标信息可以理解为微观层面上与目标生理部位关联的信息，它是一种可以用于分析目标生理部位病因的线索。
130.其中，关联生理信息的医学检测数据可以是医学影像数据，也可以是化验单等。
131.在一些实施例中，关联生理部位可以与目标生理部位相同，也可以不同，本实施例对此不作限制。比如，目标生理部位和关联生理部位都可以为肺部，目标生理部位的病灶属性信息为肺炎病灶，关联生理部位信息的医学检测数据可以是患者肺部的临床化验单中记录的信息。
132.204、终端基于所述关联生理信息和所述病灶属性信息，对所述待诊断对象进行病情推演分析，得到目标诊断结果。
133.一些实施例中，基于预设共性关系集合，查找与目标生理部位的病灶属性信息具有关联关系的医学信息(具体即关联生理信息)，若查找不到，则可以调取该患者同期的医学检测数据，寻找与目标生理部位的目标医学检测数据相近似的至少一个医学检测数据，并相应的给出诊断结果。其中，同期的医学检测数据可以指在某个短时间范围内的医学检测数据，例如，几小时，几天或者几个月内的的医学检测数据。
134.可选地，本实施例中，该医学诊断方法还可以包括：
135.当获取不到与所述病灶属性信息对应的共性分析规则时，调取所述待诊断对象在目标时间段下的参考医学检测数据；
136.从所述参考医学检测数据中确定与所述目标医学检测数据匹配的相似医学检测数据；
137.根据所述病灶属性信息和所述相似医学检测数据，对所述待诊断对象进行病情推演分析，得到目标诊断结果。
138.本实施例中，获取同期相似医学检测数据的做法倾向于整合，即根据因果关系，将具有因果关系的医学检测数据整合/组织在一起，从而根据整合结果进行更全面的诊断。
139.可选地，本实施例中，步骤“基于所述关联生理信息和所述病灶属性信息，对所述待诊断对象进行病情推演分析，得到目标诊断结果”，可以包括：
140.获取所述关联生理信息的医学检测数据对应的关联病灶属性信息；
141.当所述关联病灶属性信息和所述病灶属性信息之间的关联关系满足预设关联条件时，基于所述预设关联条件对应的诊断经验相关信息，对所述待诊断对象进行诊断，得到目标诊断结果。
142.其中，该预设关联条件和预设关联条件对应的诊断经验相关信息可以记录在预设共性关系集合中，若二者满足预设关联条件，则可以将预设共性关系集合中所记录的对应诊断经验相关信息作为参考，来对待诊断对象进行诊断。
143.可选地，本实施例中，该医学诊断方法还可以包括：
144.当所述预设关联条件对应的诊断经验相关信息与所述待诊断对象对应的诊断过程的差异度大于预设值时，从候选病例中选取与所述待诊断对象的诊断过程匹配的相似病例；
145.基于所述相似病例的诊断结果，确定所述待诊断对象的目标诊断结果。
146.其中，该预设值可以根据实际情况设置。候选病例具体可以是预设病例数据库中的病例。
147.其中，若共性关系表(即预设共性关系集合)中记录了与待诊断对象的诊断过程相悖或差异较大的诊断经验，则可以根据当前病例的情况，从预设病例数据库中寻找，与该患者病例相近似的病例的诊断结果，并推送给医生，作为诊断的参考。
148.由上可知，本实施例可以通过终端获取针对待诊断对象的目标生理部位的目标医学检测数据；对所述目标医学检测数据进行病灶识别，得到所述目标生理部位对应的病灶属性信息；获取与所述目标生理部位的病灶属性信息对应的共性分析规则，所述共性分析规则指示与所述目标生理部位存在共性关系的关联生理信息；基于所述关联生理信息和所述病灶属性信息，对所述待诊断对象进行病情推演分析，得到目标诊断结果。本技术可以结合与所述目标生理部位存在共性关系的关联生理信息，来对待诊断对象进行全面的诊断，提高了诊断结果的准确度。
149.为了更好地实施以上方法，本技术实施例还提供一种医学诊断装置，如图3所示，该医学诊断装置可以包括第一获取单元301、识别单元302、第二获取单元303以及诊断单元304，如下：
150.(1)第一获取单元301；
151.第一获取单元，用于获取针对待诊断对象的目标生理部位的目标医学检测数据。
152.(2)识别单元302；
153.识别单元，用于对所述目标医学检测数据进行病灶识别，得到所述目标生理部位对应的病灶属性信息。
154.可选的，在本技术的一些实施例中，所述识别单元具体可以用于通过训练后的病灶识别模型，对所述目标医学检测数据进行病灶识别，得到所述目标生理部位对应的病灶属性信息。
155.可选的，在本技术的一些实施例中，所述医学诊断装置还可以包括训练单元，所述训练单元用于对病灶识别模型进行训练；具体地，所述训练单元可以用于获取训练数据，所述训练数据包括样本生理部位对应的样本医学检测数据与所述样本生理部位对应的期望病灶属性信息；通过病灶识别模型，对所述样本医学检测数据进行病灶识别，得到所述样本生理部位对应的实际病灶属性信息；基于所述期望病灶属性信息和所述实际病灶属性信
息，对病灶识别模型的参数进行调整，得到训练后的病灶识别模型。
156.(3)第二获取单元303；
157.第二获取单元，用于获取与所述目标生理部位的病灶属性信息对应的共性分析规则，所述共性分析规则指示与所述目标生理部位存在共性关系的关联生理信息。
158.可选的，在本技术的一些实施例中，所述第二获取单元可以包括第一获取子单元、查询子单元，如下：
159.所述第一获取子单元，用于获取预设共性关系集合，所述预设共性关系集合包括预设生理部位的病灶属性信息和预设共性分析规则之间的映射关系；
160.查询子单元，用于从所述预设共性关系集合中查询与所述目标生理部位的病灶属性信息对应的共性分析规则。
161.(4)诊断单元304；
162.诊断单元，用于基于所述关联生理信息和所述病灶属性信息，对所述待诊断对象进行病情推演分析，得到目标诊断结果。
163.可选的，在本技术的一些实施例中，所述关联生理信息包括与所述目标生理部位存在共性关系的关联生理部位信息；所述诊断单元具体可以用于基于所述共性分析规则，获取针对所述待诊断对象的所述关联生理部位信息的医学检测数据；基于所述关联生理部位信息的医学检测数据和所述病灶属性信息，对所述待诊断对象进行病情推演分析，得到目标诊断结果。
164.可选的，在本技术的一些实施例中，所述关联生理信息包括与所述目标生理部位存在共性关系的关联生理指标信息；所述诊断单元具体可以用于基于所述共性分析规则，获取针对所述待诊断对象的所述关联生理指标信息的医学检测数据；基于所述关联生理指标信息的医学检测数据和所述病灶属性信息，对所述待诊断对象进行病情推演分析，得到目标诊断结果。
165.可选的，在本技术的一些实施例中，所述医学诊断装置还可以包括参考诊断单元，所述参考诊断单元用于当获取不到与所述病灶属性信息对应的共性分析规则时，调取所述待诊断对象在目标时间段下的参考医学检测数据；从所述参考医学检测数据中确定与所述目标医学检测数据匹配的相似医学检测数据；根据所述病灶属性信息和所述相似医学检测数据，对所述待诊断对象进行病情推演分析，得到目标诊断结果。
166.可选的，在本技术的一些实施例中，所述诊断单元可以包括第二获取子单元和诊断子单元，如下：
167.所述第二获取子单元，用于获取所述关联生理信息的医学检测数据对应的关联病灶属性信息；
168.诊断子单元，用于当所述关联病灶属性信息和所述病灶属性信息之间的关联关系满足预设关联条件时，基于所述预设关联条件对应的诊断经验相关信息，对所述待诊断对象进行诊断，得到目标诊断结果。
169.可选的，在本技术的一些实施例中，所述医学诊断装置还可以包括病例诊断单元，所述病例诊断单元用于当所述预设关联条件对应的诊断经验相关信息与所述待诊断对象对应的诊断过程的差异度大于预设值时，从候选病例中选取与所述待诊断对象的诊断过程匹配的相似病例；基于所述相似病例的诊断结果，确定所述待诊断对象的目标诊断结果。
170.由上可知，本实施例可以通过第一获取单元301获取针对待诊断对象的目标生理部位的目标医学检测数据；由识别单元302对所述目标医学检测数据进行病灶识别，得到所述目标生理部位对应的病灶属性信息；通过第二获取单元303获取与所述目标生理部位的病灶属性信息对应的共性分析规则，所述共性分析规则指示与所述目标生理部位存在共性关系的关联生理信息；通过诊断单元304基于所述关联生理信息和所述病灶属性信息，对所述待诊断对象进行病情推演分析，得到目标诊断结果。本技术可以结合关联生理信息，来对待诊断对象进行全面的诊断，提高了诊断结果的准确度。
171.本技术实施例还提供一种电子设备，如图4所示，其示出了本技术实施例所涉及的电子设备的结构示意图，该电子设备可以是终端或者服务器等，具体来讲：
172.该电子设备可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解，图4中示出的电子设备结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
173.处理器401是该电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器402内的软件程序和/或模块，以及调用存储在存储器402内的数据，执行电子设备的各种功能和处理数据。可选的，处理器401可包括一个或多个处理核心；优选的，处理器401可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器401中。
174.存储器402可用于存储软件程序以及模块，处理器401通过运行存储在存储器402的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器402可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器402还可以包括存储器控制器，以提供处理器401对存储器402的访问。
175.电子设备还包括给各个部件供电的电源403，优选的，电源403可以通过电源管理系统与处理器401逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
176.该电子设备还可包括输入单元404，该输入单元404可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
177.尽管未示出，该电子设备还可以包括显示单元等，在此不再赘述。具体在本实施例中，电子设备中的处理器401会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中，并由处理器401来运行存储在存储器402中的应用程序，从而实现各种功能，如下：
178.获取针对待诊断对象的目标生理部位的目标医学检测数据；对所述目标医学检测数据进行病灶识别，得到所述目标生理部位对应的病灶属性信息；获取与所述目标生理部
位的病灶属性信息对应的共性分析规则，所述共性分析规则指示与所述目标生理部位存在共性关系的关联生理信息；基于所述关联生理信息和所述病灶属性信息，对所述待诊断对象进行病情推演分析，得到目标诊断结果。
179.以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
180.由上可知，本实施例可以获取针对待诊断对象的目标生理部位的目标医学检测数据；对所述目标医学检测数据进行病灶识别，得到所述目标生理部位对应的病灶属性信息；获取与所述目标生理部位的病灶属性信息对应的共性分析规则，所述共性分析规则指示与所述目标生理部位存在共性关系的关联生理信息；基于所述关联生理信息和所述病灶属性信息，对所述待诊断对象进行病情推演分析，得到目标诊断结果。本技术可以结合与所述目标生理部位存在共性关系的关联生理信息，来对待诊断对象进行全面的诊断，提高了诊断结果的准确度。
181.本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
182.为此，本技术实施例提供一种计算机可读存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本技术实施例所提供的任一种医学诊断方法中的步骤。例如，该指令可以执行如下步骤：
183.获取针对待诊断对象的目标生理部位的目标医学检测数据；对所述目标医学检测数据进行病灶识别，得到所述目标生理部位对应的病灶属性信息；获取与所述目标生理部位的病灶属性信息对应的共性分析规则，所述共性分析规则指示与所述目标生理部位存在共性关系的关联生理信息；基于所述关联生理信息和所述病灶属性信息，对所述待诊断对象进行病情推演分析，得到目标诊断结果。
184.以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
185.其中，该计算机可读存储介质可以包括：只读存储器(rom，read only memory)、随机存取记忆体(ram，random access memory)、磁盘或光盘等。
186.由于该计算机可读存储介质中所存储的指令，可以执行本技术实施例所提供的任一种医学诊断方法中的步骤，因此，可以实现本技术实施例所提供的任一种医学诊断方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
187.根据本技术的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述医学诊断方面的各种可选实现方式中提供的方法。
188.以上对本技术实施例所提供的一种医学诊断方法以及相关设备进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。

技术特征：
1.一种医学诊断方法，其特征在于，包括：获取针对待诊断对象的目标生理部位的目标医学检测数据；对所述目标医学检测数据进行病灶识别，得到所述目标生理部位对应的病灶属性信息；获取与所述目标生理部位的病灶属性信息对应的共性分析规则，所述共性分析规则指示与所述目标生理部位存在共性关系的关联生理信息；基于所述关联生理信息和所述病灶属性信息，对所述待诊断对象进行病情推演分析，得到目标诊断结果。2.根据权利要求1所述的方法，其特征在于，所述关联生理信息包括与所述目标生理部位存在共性关系的关联生理部位信息；所述基于所述关联生理信息和所述病灶属性信息，对所述待诊断对象进行病情推演分析，得到目标诊断结果，包括：基于所述共性分析规则，获取针对所述待诊断对象的所述关联生理部位信息的医学检测数据；基于所述关联生理部位信息的医学检测数据和所述病灶属性信息，对所述待诊断对象进行病情推演分析，得到目标诊断结果。3.根据权利要求1所述的方法，其特征在于，所述关联生理信息包括与所述目标生理部位存在共性关系的关联生理指标信息；所述基于所述关联生理信息和所述病灶属性信息，对所述待诊断对象进行病情推演分析，得到目标诊断结果，包括：基于所述共性分析规则，获取针对所述待诊断对象的所述关联生理指标信息的医学检测数据；基于所述关联生理指标信息的医学检测数据和所述病灶属性信息，对所述待诊断对象进行病情推演分析，得到目标诊断结果。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：当获取不到与所述病灶属性信息对应的共性分析规则时，调取所述待诊断对象在目标时间段下的参考医学检测数据；从所述参考医学检测数据中确定与所述目标医学检测数据匹配的相似医学检测数据；根据所述病灶属性信息和所述相似医学检测数据，对所述待诊断对象进行病情推演分析，得到目标诊断结果。5.根据权利要求1所述的方法，其特征在于，所述获取与所述目标生理部位的病灶属性信息对应的共性分析规则，包括：获取预设共性关系集合，所述预设共性关系集合包括预设生理部位的病灶属性信息和预设共性分析规则之间的映射关系；从所述预设共性关系集合中查询与所述目标生理部位的病灶属性信息对应的共性分析规则。6.根据权利要求1所述的方法，其特征在于，所述基于所述关联生理信息和所述病灶属性信息，对所述待诊断对象进行病情推演分析，得到目标诊断结果，包括：获取所述关联生理信息的医学检测数据对应的关联病灶属性信息；
当所述关联病灶属性信息和所述病灶属性信息之间的关联关系满足预设关联条件时，基于所述预设关联条件对应的诊断经验相关信息，对所述待诊断对象进行诊断，得到目标诊断结果。7.根据权利要求6所述的方法，其特征在于，所述方法还包括：当所述预设关联条件对应的诊断经验相关信息与所述待诊断对象对应的诊断过程的差异度大于预设值时，从候选病例中选取与所述待诊断对象的诊断过程匹配的相似病例；基于所述相似病例的诊断结果，确定所述待诊断对象的目标诊断结果。8.根据权利要求1所述的方法，其特征在于，所述对所述目标医学检测数据进行病灶识别，得到所述目标生理部位对应的病灶属性信息，包括：通过训练后的病灶识别模型，对所述目标医学检测数据进行病灶识别，得到所述目标生理部位对应的病灶属性信息；在通过训练后的病灶识别模型，对所述目标医学检测数据进行病灶识别，得到所述目标生理部位对应的病灶属性信息之前，所述方法还包括：获取训练数据，所述训练数据包括样本生理部位对应的样本医学检测数据与所述样本生理部位对应的期望病灶属性信息；通过病灶识别模型，对所述样本医学检测数据进行病灶识别，得到所述样本生理部位对应的实际病灶属性信息；基于所述期望病灶属性信息和所述实际病灶属性信息，对病灶识别模型的参数进行调整，得到训练后的病灶识别模型。9.一种医学诊断装置，其特征在于，包括：第一获取单元，用于获取针对待诊断对象的目标生理部位的目标医学检测数据；识别单元，用于对所述目标医学检测数据进行病灶识别，得到所述目标生理部位对应的病灶属性信息；第二获取单元，用于获取与所述目标生理部位的病灶属性信息对应的共性分析规则，所述共性分析规则指示与所述目标生理部位存在共性关系的关联生理信息；诊断单元，用于基于所述关联生理信息和所述病灶属性信息，对所述待诊断对象进行病情推演分析，得到目标诊断结果。10.一种电子设备，其特征在于，包括存储器和处理器；所述存储器存储有应用程序，所述处理器用于运行所述存储器内的应用程序，以执行权利要求1至8任一项所述的医学诊断方法中的操作。11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1至8任一项所述的医学诊断方法中的步骤。12.一种计算机程序产品，包括计算机程序或指令，其特征在于，该计算机程序或指令被处理器执行时实现权利要求1至8任一项所述的医学诊断方法中的步骤。

技术总结
本申请公开了一种医学诊断方法以及相关设备，可以获取针对待诊断对象的目标生理部位的目标医学检测数据；对所述目标医学检测数据进行病灶识别，得到所述目标生理部位对应的病灶属性信息；获取与所述目标生理部位的病灶属性信息对应的共性分析规则，所述共性分析规则指示与所述目标生理部位存在共性关系的关联生理信息；基于所述关联生理信息和所述病灶属性信息，对所述待诊断对象进行病情推演分析，得到目标诊断结果。本申请可以结合与所述目标生理部位存在共性关系的关联生理信息，来对待诊断对象进行全面的诊断，提高了诊断结果的准确度。确度。确度。


技术研发人员：郑超 肖月庭 阳光
受保护的技术使用者：数坤（北京）网络科技股份有限公司
技术研发日：2022.03.14
技术公布日：2023/9/22