AI驱动的电子健康记录集成产科手持超声报告生成方法

本发明属于产科，具体涉及一种ai驱动的电子健康记录集成产科手持超声报告生成方法。

背景技术：

1、超声是产科常用的辅助检查手段，可用于检查胎儿、胎盘、子宫及周围附件的解剖结构，从而辅助医生做好临床决策，最大程度地提升诊断准确性并提升就诊体验。近年来，产科手持超声设备是现代医疗科技领域中的一项重要创新，其便携性与灵活性显著提升了产科检查的便捷程度，使得医生能够在各种医疗场景下都能够迅速开展高质量的超声检查。除此之外，产科手持超声设备不仅能够精细地检查胎儿的生长发育情况、监测胎心率、评估羊水量，还能够对胎盘位置、子宫形态以及周边附件的解剖结构进行详细观察，为医生提供丰富的影像学信息。然而，人体健康是多系统、多器官相互协作的结果，且处于动态变化之中。孕妇既往的健康状况及患病情况可能会对其自身及胎儿造成影响，因此仅依靠单次的超声检查结果难以即时产生准确的诊疗方案。因此，结合多学科、多时间点的电子健康记录对于产科超声医生做出最佳临床决策是非常有益且十分必要的。

2、电子健康记录(ehr，electronic health record)已经成为现代医疗体系中的重要组成部分，能够帮助医生快速访问孕妇的既往病史、检查结果和治疗方案，提高医疗服务的效率和质量。然而，ehr系统中庞大的数据量和格式多样的复杂数据内容也同时带来了新的挑战，特别是如何有效地整合和分析既往数据和本次就诊数据并即时做出个性化最佳诊断是亟待解决的重要问题。

3、为了克服上述问题，近年来，人工智能技术(ai,artificial intelligence)，尤其是深度学习技术，逐渐被应用于医疗影像分析和电子健康记录的处理。特别是多模态ai模型的应用，使得结合文本和图像数据进行分析成为可能，这类模型能够从多源数据中提取有用信息，辅助快速输出诊断报告，为临床决策提供更全面的支持，从而提高诊断的及时性和准确性。然而现有的人工智能技术在超声报告输出领域存在以下不足：

4、1、数据标准化和交互操作不足。不同医疗系统和设备产生的数据格式和标准不统一，导致数据整合和分析困难，交互操作不足等问题限制了数据的跨系统使用和分析。

5、2、多模态数据整合不足。现有的ai模型只能处理单一数据源，如ehr文本或单一的医疗影像数据，缺乏对多模态医疗数据(如：文本、图像、实验数据等)的有效整合和统一分析，无法生成综合性检查报告。

6、3、使用大语言模型生成的个性化报告在专业性上有待增强：现有的做法忽略了b超图像这一关键信息，使得最终报告信息不够全面；而且没有对大语言模型进行微调，使得最终报告在该特定领域的专业性不足。

技术实现思路

1、为了解决上述问题，本发明提出一种ai驱动的电子健康记录集成产科手持超声报告生成方法。

2、本发明的ai驱动的电子健康记录集成产科手持超声报告生成方法，包括以下步骤：s1.孕妇信息同步；s2.ai参数调整；s3.实时图像采集与解析；s4.提供实时诊断建议；s5.诊断结果与孕妇记录更新；s6.医生操作与反馈；s7.持续学习和优化。

3、所述s2中的ai参数调整是指采用lora方法对flamingo模型进行微调。

4、所述s2中的ai参数调整中的ai算法包括以下步骤：s201.数据准备；s202.模型选择与构建；s203.利用lora技术进行模型微调；s204.模型训练与优化。

5、所述s201数据准备包括数据收集、数据清洗与预处理以及数据标注。

6、所述数据收集包括ehr收集与孕妇相关的电子健康记录数据和收集孕妇的超声图像数据。

7、s202模型选择与构建是指选择并下载预训练好的flamingo大模型，并根据具体应用场景调整模型的配置参数。

8、所述s203利用lora技术进行模型微调，是指在flamingo模型的每层中插入低秩矩阵，初始化低秩矩阵并约束低秩矩阵。

9、所述flamingo模型中的权重矩阵为w，则lora微调后为w'＝w+δw

10、其中，δw是一个低秩矩阵，且δw＝ab，a和b是两个低秩矩阵，a的维度为d×r,b的维度为r×d，其中r是一个小于d的秩值。

11、所述在flamingo模型的每层中插入低秩矩阵，低秩矩阵包括低秩矩阵a和低秩矩阵b，且

12、wq'＝wq+aqbq

13、wk'＝wk+akbk

14、wv'＝wv+avbv

15、式中，wq、wk和wv分别为查询、键和值的权重矩阵，aq、bq、ak、bk、av、bv为相应的低秩矩阵。

16、所述低秩矩阵a和b是由均值为0、方差为0.01的高斯分布随机生成的。

17、本发明的有益效果是，

18、1)整合多模态数据提高超声检查的整体诊断质量和效率：根据不同孕妇的健康状况和检查需求，提供个性化的超声方案，统一数据标注格式，以满足不同临床场景的需要，提高诊疗的精准性和有效性。此外，经微调的大语言模型可以使用多模态的ehr数据辅助医生快速做出及时、全面、精确的临床决策，降低误诊的发生，并快速、准确地为后续患者提供诊断建议，提高临床诊疗效率。

19、2)提高个性化医疗报告生成的准确性和灵活性：根据孕妇本次检查结果和历史数据生成详细、个性化的医疗报告，提升报告的准确性和个性化程度，并能够有效地减少误诊、漏诊的发生率。同时，系统结合孕妇的历史健康数据，根据每位孕妇的健康状况，提供个性化的解读建议，在增强临床决策的科学性和针对性的同时，也极大地缩减临床决策时间，并帮助每位孕妇节省就诊时间。

20、3)提升大语言模型在医疗领域的专业性：本发明拟通过lora技术对flamingo大模型进行微调，与之前直接应用chatgpt的专利技术相比，将不再受限于单一固定的运行模式，而是能够灵活地依据不同孕妇的特异性情况进行相应的参数设置，能够更好地适应复杂多变的临床场景，并显著提升模型在产科超声检查报告生成方面的综合表现。

1.一种ai驱动的电子健康记录集成产科手持超声报告生成方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的ai驱动的电子健康记录集成产科手持超声报告生成方法，其特征在于，所述s2中的ai参数调整是指采用lora方法对flamingo模型进行微调。

3.根据权利要求2所述的ai驱动的电子健康记录集成产科手持超声报告生成方法，其特征在于，所述s2中的ai参数调整中的ai算法包括以下步骤：

4.根据权利要求3所述的ai驱动的电子健康记录集成产科手持超声报告生成方法，其特征在于，所述s201数据准备包括数据收集、数据清洗与预处理以及数据标注。

5.根据权利要求4所述的ai驱动的电子健康记录集成产科手持超声报告生成方法，其特征在于，所述数据收集包括ehr收集与孕妇相关的电子健康记录数据和收集孕妇的超声图像数据。

6.根据权利要求3所述的ai驱动的电子健康记录集成产科手持超声报告生成方法，其特征在于，s202模型选择与构建是指选择并下载预训练好的flamingo大模型，并根据具体应用场景调整模型的配置参数。

7.根据权利要求3所述的ai驱动的电子健康记录集成产科手持超声报告生成方法，其特征在于，所述s203利用lora技术进行模型微调，是指在flamingo模型的每层中插入低秩矩阵，初始化低秩矩阵并约束低秩矩阵。

8.根据权利要求7所述的ai驱动的电子健康记录集成产科手持超声报告生成方法，其特征在于，所述flamingo模型中的权重矩阵为w，则lora微调后为w'＝w+δw

9.根据权利要求8所述的ai驱动的电子健康记录集成产科手持超声报告生成方法，其特征在于，所述在flamingo模型的每层中插入低秩矩阵，低秩矩阵包括低秩矩阵a和低秩矩阵b，且

10.根据权利要求9所述的ai驱动的电子健康记录集成产科手持超声报告生成方法，其特征在于，所述低秩矩阵a和b是由均值为0、方差为0.01的高斯分布随机生成的。