买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：徐州医科大学附属医院

摘要：本发明首先引入数据收集框架，用于处理和整合来自不同来源的医疗数据，包括减影血管造影、血管内超声影像、超声心动图以及患者的生理参数和临床病史，通过设计统一的数据接口适配不同医疗设备和格式，并采用数据预处理算法进行去噪、标准化和特征提取；其次采用深度学习技术和数据融合算法，包括卷积神经网络CNN和递归神经网络RNN，来处理和融合图像和序列数据，引入自适应融合机制根据不同病例的特点自动调整融合策略，以最大化利用所有可用数据；最后利用融合后的多模态数据，结合人工智能算法，生成个性化的冠状动脉介入治疗规划，基于患者病情特征，使用机器学习模型预测适宜的治疗方法，包括介入手术的类型、时间及并发症风险评估。

主权项：1.多模态数据融合的个性化冠状动脉介入治疗规划系统，其特征在于包括以下步骤：首先引入数据收集框架，用于处理和整合来自不同来源的医疗数据，包括减影血管造影、血管内超声影像、超声心动图以及患者的生理参数和临床病史，通过设计统一的数据接口适配不同医疗设备和格式，并采用数据预处理算法进行去噪、标准化和特征提取；其次采用深度学习技术和数据融合算法，包括卷积神经网络CNN和递归神经网络RNN，来处理和融合图像和序列数据，引入自适应融合机制根据不同病例的特点调整融合策略，以利用所有可用数据；最后利用融合后的多模态数据，结合人工智能算法，生成个性化的冠状动脉介入治疗规划，基于患者病情特征，使用机器学习模型预测适宜的治疗方法，包括介入手术的类型、时间及并发症风险评估，并利用仿真技术提前模拟治疗过程，以评估预计治疗效果；所述的数据收集框架包括以下步骤：首先采用动态适配算法开发的统一数据接口，识别并适配连接的医疗设备和数据格式，包括减影血管造影、血管内超声影像、超声心动图以及患者的生理参数和临床病史，利用机器学习技术基于过往的成功适配案例优化适配策略；接着引入基于深度学习的综合数据预处理框架，执行去噪、标准化和特征提取步骤，采用自适应噪声识别技术和智能特征提取算法，根据数据的具体类型和质量动态调整预处理策略，提高处理效率和数据质量；最后利用跨模态深度学习模型开发的特征提取技术，通过学习不同模态数据之间的内在联系，跨图像、序列数据和结构化数据提取深层次和互补的特征；所述的动态适配算法A与综合数据处理框架，引入函数FA，D，Θ以实现对不同医疗数据和设备的高效适配和处理，其中A代表动态适配算法，D代表来自多种医疗设备的数据，包括减影血管造影、血管内超声影像、超声心动图以及患者的生理参数和临床病史，Θ表示算法参数集合，通过函数GX，Y，Z实现数据的去噪、标准化和特征提取等预处理步骤；所述函数FA，D，Θ通过自适应学习机制根据新的适配案例自我优化，其表达式为： 其中φDi，Θi为第i个数据类型在特定参数Θi下的处理函数，ΨΘ，ω代表参数集合Θ在适配空间Ω中的分布函数，αi为权重系数，表示不同类型数据在治疗规划中的重要性；进一步地，预处理函数GX，Y，Z利用深度神经网络对数据进行高级特征提取，表达式为： 其中X代表经过初步处理的输入数据矩阵，Y为特征提取网络的参数矩阵，Z表示数据深度，旨在通过数学模型精确地提取对冠状动脉介入治疗规划至关重要的特征，以指导个性化的治疗方案；所述的综合数据预处理框架采用如下步骤：S1.自适应噪声识别与去噪：针对冠状动脉介入治疗中减影血管造影、血管内超声影像、超声心动图多模态数据的特性，采用包括基于卷积神经网络的自编码器的深度学习模型，训练以识别和去除数据中的噪声；去噪效能通过公式： 量化，其中μi和σi是针对每种模态数据的噪声分布参数，Γ是深度去噪函数；S2.特定数据标准化：对于冠状动脉介入治疗规划，不同模态数据的量纲和分布大相径庭，需要标准化步骤，以保证数据的一致性和可比性；通过公式： 实现标准化，其中λ是根据数据特性调整的放缩系数，使得经过处理的数据更适合后续的特征提取和分析；S3.深度学习特征提取：结合冠状动脉的解剖特征和介入治疗的需求，设计并训练包括深度卷积神经网络结合循环神经网络的深度学习模型，从去噪后的数据中提取对治疗规划的特征；特征提取多层网络模型： 实现，ΘFx是特征提取网络的参数函数，Dx代表数据，K是特征的数量。

全文数据：

权利要求：

百度查询： 徐州医科大学附属医院 多模态数据融合的个性化冠状动脉介入治疗规划系统