本发明涉及皮肤信息处理，尤其涉及一种皮肤多模态数据处理方法及系统。
背景技术：
1、利用深度学习技术构建皮损类型识别模型已成为当前的研究热点。然而，现有方法主要聚焦于单一的图像模态数据，而忽略了皮肤临床医生在实际诊断过程中结合病史信息和图像数据进行综合分析的重要环节。因此，基于单一图像数据构建皮损类型识别模型并不能完全契合临床实际使用情况。利用多模态数据，即“图像+病史”构建皮损类型识别模型，可以充分挖掘和利用不同类型数据之间的互补性。目前，构建皮损类型识别模型的主要难点在于数据的完整性。皮肤疾病的多模态数据主要包括以文本形式存在的病史数据，如血压、体重、年龄等各类信息，以及通过常规手机或相机拍摄的皮肤临床图像数据。然而，由于各种因素的影响，某些模态的数据可能会出现缺失，或者病史模态中的部分属性值缺失，导致成套配对的多模态数据相对较少。这种情况严重影响了多模态数据的应用以及多模态诊断模型的性能。
2、可见，现有技术中基于单一图像数据构建皮损类型识别模型并不能完全契合临床实际使用情况，而现有技术中的多模态数据存在不完整性和数据量较少的问题，难以有效支持高性能皮损类型识别模型的构建。
技术实现思路
1、本发明提供了一种皮肤多模态数据处理方法及系统，以解决现有技术中的多模态数据存在不完整性和数据量较少的问题，难以有效支持高性能皮损类型识别模型的构建的问题。
2、为了实现上述目的，本发明通过如下的技术方案来实现：
3、第一方面，本发明提供一种皮肤多模态数据处理方法，包括：
4、s1：采集待分析患者的病史数据和所对应的皮肤临床图像；
5、s2：基于所述病史数据进行病史数据缺失属性值的补充和扩增处理；
6、s3：对补充和扩增后的病史数据所对应的皮肤临床图像进行临床图像扩增，形成成对配套的多模态数据；其中，所述进行临床图像扩增的方式包括基于疾病一致性的皮肤临床图像扩增和基于皮肤常见组成变换的皮肤临床图像扩增。第二方面，本申请提供一种皮肤多模态数据处理系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述方法的步骤。
7、有益效果：
8、本发明提供的皮肤多模态数据处理方法，首先对病史数据的缺失属性值进行补充和扩增处理；对补充和扩增后的病史数据所对应的皮肤临床图像进行临床图像扩增，形成成对配套的多模态数据；其中，进行临床图像扩增的方式包括基于疾病一致性的皮肤临床图像扩增和基于皮肤常见组成变换的皮肤临床图像扩增。这样，通过对病史数据进行补充和扩增，以及皮肤临床图像的扩增，可以解决多模态数据的不完整性和数据量较少的问题。
1.一种皮肤多模态数据处理方法，其特征在于，包括：
2.根据权利要求1所述的皮肤多模态数据处理方法，其特征在于，所述s2包括：
3.根据权利要求2所述的皮肤多模态数据处理方法，其特征在于，所述s22包括：
4.根据权利要求2所述的皮肤多模态数据处理方法，其特征在于，所述s23中的距离集合满足如下关系式：
5.根据权利要求2所述的皮肤多模态数据处理方法，其特征在于，所述病史数据的属性值的类型包括离散型和连续型，所述s24包括：
6.根据权利要求5所述的皮肤多模态数据处理方法，其特征在于，所述根据m次采样结果计算缺失的属性值时，对于离散型属性值，将m个采样值的众数作为缺失的属性值；对于连续型属性值，将m个采样值的平均值作为缺失的属性值。
7.根据权利要求1所述的皮肤多模态数据处理方法，其特征在于，所述基于疾病一致性的皮肤临床图像扩增，包括：
8.根据权利要求1所述的皮肤多模态数据处理方法，其特征在于，所述基于皮肤常见组成变换的皮肤临床图像扩增，包括：
9.一种皮肤多模态数据处理系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至8中任一所述方法的步骤。
