CN113963377A - 一种患者身份识别方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请实施例提供一种患者身份识别方法、装置、电子设备及计算机可读取存储介质，其中，该方法包括：获取当前患者的患病部位扫描图像；根据所述当前患者的患病部位扫描图像获取当前患者的患病部位的勾画后的生理特征；根据所述当前患者的患病部位的勾画后的生理特征和预先存储的目标患者的患病部位的勾画后的生理特征确定当前患者是否为目标患者。实施本申请实施例，能够快速地识别患者的身份，确认目标患者是不是当前患者，成本低、速度快、不需要额外的维护成本。

Description

一种患者身份识别方法、装置、电子设备及存储介质

技术领域

本申请涉及身份识别技术领域，具体而言，涉及一种患者身份识别方法、装置、电子设备及存储介质。

背景技术

通常情况下，患者在进行放射治疗之前，需要确认患者身份，特别是针对重名的患者。因为放疗计划都是针对患者身体结构定制的，如果不是同一个人，那么肿瘤位置、肿瘤大小、肿瘤转移以及肿瘤周围的危机器官的位置大小等这些情况都会不同，会导致不能精准杀死肿瘤，甚至给患者正常的危机器官造成大的辐射损伤，造成严重的医疗事故。因此需要在治疗前识别患者的身份，现有的患者识别身份具有以下几种方式：人工确认患者身份，这种方式易出错，特别是负责治疗的医师一般也不认识患者；使用人脸识别确认患者身份，这种方式需要额外的摄像头等设备，以及额外的操作步骤，给医生及患者造成一定的不便；使用智能识别卡，掌纹识别等设备需要额外的硬件投入，以及后期的维护费用。

发明内容

本申请实施例的目的在于提供一种患者身份识别方法、装置、电子设备及计算机可读取存储介质，能够快速地识别患者的身份，确认目标患者是不是当前患者，成本低、速度快、不需要额外的维护成本。

第一方面，本申请实施例提供了一种患者身份识别方法，包括：

获取当前患者的患病部位扫描图像；

根据所述当前患者的患病部位扫描图像获取当前患者的患病部位的勾画后的生理特征；

根据所述当前患者的患病部位的勾画后的生理特征和预先存储的目标患者的患病部位的勾画后的生理特征确定当前患者是否为目标患者。

在上述实现过程中，获取当前患者的患者部位的扫描图像，根据当前患者的患病部位扫描图像获取当前患者的患病部位的勾画后的生理特征，根据预先存储的目标患者的患病部位的勾画后的生理特征和当前患者的患病部位的勾画后的生理特征可以快速地识别当前患者是否为目标患者。

进一步地，所述根据所述当前患者的患病部位的勾画后的生理特征和预先存储的目标患者的患病部位的勾画后的生理特征判断当前患者是否为目标患者的步骤，包括：

获取所述预先存储的目标患者的患病部位的勾画后的生理特征对应的所述目标患者的勾画后的第一组生理特征；

根据所述当前患者的患病部位的勾画后的生理特征获取所述当前患者的勾画后的第二组生理特征；

获取所述勾画后的第一组生理特征和所述勾画后的第二组生理特征的相似度；

根据所述相似度确定所述当前患者是否为所述目标患者。

在上述实现过程中，首先获取预先存储的目标患者的患病部位的勾画后的生理特征对应的所述目标患者的勾画后的第一组生理特征，接着，根据当前患者的患病部位的勾画后的生理特征获取所述当前患者的勾画后的第二组生理特征，获取勾画后的第一组生理特征和所述勾画后的第二组生理特征的相似度，根据勾画后的第一组生理特征和勾画后的第二组生理特征的相似度确定当前患者是否为目标患者。勾画后的第一组生理特征和勾画后的第二组生理特征在勾画后的生理特征的基础上进行特征提取或者后处理计算得到的，因此，勾画后的第一组生理特征和勾画后的第二组生理特征能够更好地反应当前患者和目标患者的身份特征。基于上述实施方式，能够更加准确地识别当前患者是不是目标患者。

进一步地，所述获取勾画后的第一组生理特征和勾画后的第二组生理特征的相似度的步骤，包括：

在上述实现过程中，KNN算法易于实现，准确性高，基于上述实施方式，能够准确地获取勾画后的第一组生理特征和勾画后的第二组生理特征的相似度。

进一步地，所述根据所述相似度确定所述当前患者是否为所述目标患者的步骤，包括：

判断所述相似度是否大于预设阈值；

若是，判定当前所述当前患者为所述目标患者；

若否，判定当前所述当前患者不是所述目标患者。

在上述实现过程中，通过设定阈值，将相似度和预设阈值进行比较，通过比较结果可以快速地判定当前患者是否为目标患者。

进一步地，所述预设阈值通过以下公式计算获得：

T＝w₁*m+w₂*t；

其中m为所述当前患者的患病部位的勾画后的生理特征中可运动的器官占总数的比例；而t为当前患者的患病部位扫描图像的拍摄时间和所述预先存储的目标患者的患病部位的勾画后的生理特征的拍摄时间的间隔；w₁和w₂为权重值。

在上述实现过程中，将可运动的器官比例，两次图像的获取时间的间隔及对应的权重值作为生成预设阈值的因素之一，可以更精确地针对不同的器官及拍摄时间间隔设置不同的阈值，增加算法的适应性。

进一步地，所述勾画后的第一组生理特征和所述勾画后的第二组生理特征分别包括：肿瘤/器官在体内的相对位置；肿瘤/器官的大小；肿瘤的性质；肿瘤的转移信息；所述当前患者或所述目前患者的轮廓信息。

在上述实现过程中，充分考虑了患者的所有生理特征信息，有利于后续精准确定当前患者是否为目标患者。

进一步地，在所述获取当前患者的患病部位扫描图像的步骤之后，还包括：

对所述当前患者的患病部位扫描图像进行预处理，获得预处理后的扫描图像，使所述预处理后的扫描图像与所述预先存储的目标患者的患病部位的预处理后的扫描图像具有相同的图形参数。

在上述实现过程中，将所述预处理后的扫描图像和所述预先存储的目标患者的患病部位的勾画后的生理特征具有相同的图形参数，能使得在后续获取的相似度更加准确。

第二方面，本申请实施例提供一种患者身份识别装置，包括：

扫描图像获取模块，用于获取当前患者的患病部位扫描图像；

勾画后的生理特征获取模块，用于根据所述当前患者的患病部位扫描图像获取当前患者的患病部位的勾画后的生理特征；

识别模块，用于根据所述当前患者的患病部位的勾画后的生理特征和预先存储的目标患者的患病部位的勾画后的生理特征确定当前患者是否为目标患者。

第三方面，本申请实施例提供一种电子设备，包括：存储器、处理器以及存储在所述存储器中并可在所述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如第一方面所述的方法的步骤。

第四方面，本申请实施例提供一种计算机可读取存储介质，所述存储介质上存储有指令，当所述指令在计算机上运行时，使得所述计算机执行如第一方面所述的方法。

本申请公开的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本申请公开的上述技术即可得知。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，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相关的附图。

图1为本申请实施例提供的患者身份识别方法的流程示意图；

图2为本申请实施例提供的改进的KNN算法的原理图；

图3为本申请实施例提供的患者身份识别装置的结构示意图；

图4为本申请实施例提供的电子设备的结构组成示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

实施例1

如图1所示，本申请实施例提供了一种患者身份识别方法，包括：

S1：获取当前患者的患病部位扫描图像；

S2：根据当前患者的患病部位扫描图像获取当前患者的患病部位的勾画后的生理特征；

S3：根据当前患者的患病部位的勾画后的生理特征和预先存储的目标患者的患病部位的勾画后的生理特征确定当前患者是否为目标患者。

示例性地，目标患者是当前系统记录的即将进行放疗的患者，当前患者是实际中即将进行放疗的患者，基于上述方法，能够判断即将进行放疗的患者是不是系统记录的即将进行放疗的患者。能够避免系统对当前患者执行目标患者的放疗治疗方案时，对当前患者的健康造成危害。

上述实施例中，扫描图像可以是但不局限于：电子计算机断层扫描(ComputedTomography，CT)图像，核磁共振成像(Magnetic Resonance Imaging，MRI)图像、正电子发射型计算机断层显像(Positron Emission Computed Tomography，PET)图像等二维图像或者三维图像。

上述实施例中，患者的患病部位扫描图像不一定是只是包括患病组织的图像，还可以包括患病组织及其周围组织的图像、甚至其他身体部位乃至身体轮廓图像等。

上述实施例中，勾画后的生理特征包括：肿瘤图像，身体正常器官的图像、身体轮廓图像等。上述勾画后的生理特征可以从扫描图像中分离出来的多张图像，也可以是在扫描图像中勾画出来的多个子图像。可以是二维的图像，也可以是三维图像。

上述实施例中，S2中，可以将前患者的患病部位扫描图像输入预先训练好的深度学习模型，如V-Net、3D Unet等，得到当前患者的患病部位的勾画后的生理特征。

勾画后的生理特征指的是经过算法处理后得到的掩膜(mask)图像。可以使用现有技术(深度学习分割模型)实现自动生成，也可以人工勾画，不再赘述。

在上述实现过程中，获取当前患者的患者部位的扫描图像，根据当前患者的患病部位扫描图像获取当前患者的患病部位的勾画后的生理特征，根据预先存储的目标患者的患病部位的勾画后的生理特征和当前患者的患病部位的勾画后的生理特征可以快速地识别当前患者是否为目标患者。

进一步地，S3包括：

获取预先存储的目标患者的患病部位的勾画后的生理特征对应的目标患者的勾画后的第一组生理特征；

根据当前患者的患病部位的勾画后的生理特征获取当前患者的勾画后的第二组生理特征；

获取勾画后的第一组生理特征和勾画后的第二组生理特征的相似度；

根据相似度确定当前患者是否为目标患者。

上述实施例中，勾画后的第一组生理特征和勾画后的第二组生理特征分别包括但不限于：肿瘤或者器官在体内的相对位置(相对于其他器官或者身体骨架等)；肿瘤或者器官的大小(二维或者三维、最大径、最小径等)、体积及形态等；肿瘤的良恶性、是否转移或者分期等(针对自动勾画的区域做分类判断)；病人的身体轮廓特性，如腰宽、胸宽、头长宽、身高、胳膊或腿的长宽、手的特性(大小、指长等)、五官和周边骨骼形状等；由如上特征使用特征工程或者后处理算法计算出的其他特征。

上述实施例中，勾画后的第一组生理特征和勾画后的第二组生理特征是对应的，例如勾画后的第一组生理特征是当前患者的肿瘤的体积，则勾画后的第二组生理特征是目标患者的肿瘤的体积。

在上述实现过程中，首先获取预先存储的目标患者的患病部位的勾画后的生理特征对应的目标患者的勾画后的第一组生理特征，接着，根据当前患者的患病部位的勾画后的生理特征获取当前患者的勾画后的第二组生理特征，获取勾画后的第一组生理特征和勾画后的第二组生理特征的相似度，根据勾画后的第一组生理特征和勾画后的第二组生理特征的相似度确定当前患者是否为目标患者。勾画后的第一组生理特征和勾画后的第二组生理特征在勾画后的生理特征的基础上进行特征提取得到的，因此，勾画后的第一组生理特征和勾画后的第二组生理特征能够更好地反应当前患者和目标患者的身份特征。基于上述实施方式，能够更加准确地识别当前患者是不是目标患者。

进一步地，获取勾画后的第一组生理特征和勾画后的第二组生理特征的相似度的步骤，包括：

对勾画后的第一组生理特征和勾画后的第二组生理特征进行处理，得到相似度。

具体地，使用改进的最邻近算法(K-NearestNeighbor，KNN)算法对所述勾画后的第一组生理特征和所述勾画后的第二组生理特征进行处理，得到所述相似度，其中所述改进的KNN算法中的K邻近值由交叉验证确定，采用欧式距离衡量两个点之间的距离，决策规则使用多数投票法。

参见图2，为KNN算法的原理图，当要判断图中的正方形所代表的数据是三角形对应的类别还是圆形对应的类别时，选取距离正方形最近的K个数据，其中，该距离指的是欧式距离。最近的K个数据中具有两个个三角形，一个圆形，根据多数投票法，正方形对应的数据确认为三角形对应的数据。

在上述实现过程中，KNN算法易于实现，准确性高，基于上述实施方式，能够准确地获取勾画后的第一组生理特征和勾画后的第二组生理特征的相似度。

进一步地，根据相似度确定当前患者是否为目标患者的步骤，包括：

判断相似度是否大于预设阈值；

若是，判定当前当前患者为目标患者；

若否，判定当前当前患者不是目标患者。

在上述实现过程中，通过设定阈值，将相似度和预设阈值进行比较，通过比较结果可以快速地判定当前患者是否为目标患者。

在一种可能的实施方式中，当判定当前当前患者不是目标患者后，发出报警提示或终止治疗。

进一步地，预设阈值通过以下公式计算获得：

T＝w₁*m+w₂*t；

其中，m为当前患者的患病部位的勾画后的生理特征中可运动的器官占总数的比例；而t为当前患者的患病部位扫描图像的拍摄时间和预先存储的目标患者的患病部位的勾画后的生理特征的拍摄时间的间隔；w₁和w₂为权重值。

权重值可以是人工设定的经验值或者由模型训练获得。

在上述实现过程中，将可运动的器官、两次图像的获取时间的间隔及对应的权重值作为生成预设阈值的因素之一，可以更精确地针对不同的器官设置不同的阈值。

进一步地，勾画后的第一组生理特征和勾画后的第二组生理特征分别包括：肿瘤/器官在体内的相对位置；肿瘤/器官的大小；肿瘤的性质；肿瘤的转移信息；当前患者或目前患者的轮廓信息。

在上述实现过程中，充分考虑了患者的所有生理特征信息，有利于后续精准判断当前患者是否为目标患者。

需要说明的是，在计算相似度时，勾画后的第一组生理特征和勾画后的第二组生理特征是对应的，比如，计算出目标患者的肿瘤在体内的相对位置和当前患者的肿瘤在体内的相对位置。

在一种可能的实施方式中，如果勾画后的第一组生理特征和勾画后的第二组生理特征包含可运动的器官的生理特征，那么在S1中，扫描图像可以采用4D扫描图像。

进一步地，在获取当前患者的患病部位扫描图像的步骤之后，还包括：

对当前患者的患病部位扫描图像进行预处理，获得预处理后的扫描图像，使预处理后的扫描图像与预先存储的目标患者的患病部位的勾画后的生理特征具有相同的图形参数。

在上述实现过程中，将预处理后的扫描图像和预先存储的目标患者的患病部位的勾画后的生理特征具有相同的图形参数，能使得在后续获取的相似度更加准确。图形参数包括但不限于：输入分辨率、spacing、窗宽窗位。

实施例2

如图3所示，本申请实施例提供一种患者身份识别装置，包括：

扫描图像获取模块1，用于获取当前患者的患病部位扫描图像；

勾画后的生理特征获取模块2，用于根据当前患者的患病部位扫描图像获取当前患者的患病部位的勾画后的生理特征；

识别模块3，用于根据当前患者的患病部位的勾画后的生理特征和预先存储的目标患者的患病部位的勾画后的生理特征确定当前患者是否为目标患者。

在一种可能的实施方式中，识别模块3还用于获取预先存储的目标患者的患病部位的勾画后的生理特征对应的目标患者的勾画后的第一组生理特征；根据当前患者的患病部位的勾画后的生理特征获取当前患者的勾画后的第二组生理特征；获取勾画后的第一组生理特征和勾画后的第二组生理特征的相似度；根据相似度确定当前患者是否为目标患者。

在一种可能的实施方式中，识别模块3还用于使用KNN算法对勾画后的第一组生理特征和勾画后的第二组生理特征进行处理，得到相似度。

在一种可能的实施方式中，识别模块3还用于判断相似度是否大于预设阈值；若是，判定当前当前患者为目标患者；若否，判定当前当前患者不是目标患者。

在一种可能的实施方式中，该装置还包括：计算模块，用于通过以下公式计算预设阈值：

T＝w₁*m+w₂*t；

其中m为当前患者的患病部位的勾画后的生理特征中可运动的器官占总数的比例；而t为当前患者的患病部位扫描图像的拍摄时间和预先存储的目标患者的患病部位的勾画后的生理特征的拍摄时间的间隔；w₁和w₂为预设权重值，可以通过人工预设，或者训练得到。可运动器官越多、间隔时间越长，阈值越大。

在一种可能的实施方式中，勾画后的第一组生理特征和勾画后的第二组生理特征分别包括：肿瘤/器官在体内的相对位置；肿瘤/器官的大小；肿瘤的性质；肿瘤的转移信息；当前患者或目前患者的轮廓信息。

在一种可能的实施方式中，装置还包括预处理模块，用于对当前患者的患病部位扫描图像进行预处理，获得预处理后的扫描图像，使预处理后的扫描图像与预先存储的目标患者的患病部位的勾画后的生理特征具有相同的图形参数。

实施例3

如图4所示，本申请实施例还提供一种电子设备，该电子设备可以包括处理器31、通信接口32、存储器33和至少一个通信总线34。其中，通信总线34用于实现这些组件直接的连接通信。其中，本申请实施例中设备的通信接口32用于与其他节点设备进行信令或数据的通信。处理器31可以是一种集成电路芯片，具有信号的处理能力。

上述的处理器31可以是通用处理器，包括中央处理器(Central ProcessingUnit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器31也可以是任何常规的处理器等。

存储器33可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。存储器33中存储有计算机可读取指令，当计算机可读取指令由所述处理器31执行时，设备可以执行上述图1方法实施例涉及的各个步骤。

可选地，电子设备还可以包括存储控制器、输入输出单元。存储器33、存储控制器、处理器31、外设接口、输入输出单元各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通信总线34实现电性连接。处理器31用于执行存储器33中存储的可执行模块，例如设备包括的软件功能模块或计算机程序。

输入输出单元用于提供给用户创建任务以及为该任务创建启动可选时段或预设执行时间以实现用户与服务器的交互。输入输出单元可以是，但不限于，鼠标和键盘等。

可以理解，图3所示的结构仅为示意，电子设备还可包括比图3中所示更多或者更少的组件，或者具有与图3所示不同的配置。图3中所示的各组件可以采用硬件、软件或其组合实现。

本申请实施例还提供一种计算机可读取存储介质，该存储介质上存储有指令，当所述指令在计算机上运行时，所述计算机程序被处理器执行时实现方法实施例所述的方法，为避免重复，此处不再赘述。

本申请实施例还提供一种计算机程序产品，该计算机程序产品在计算机上运行时，使得计算机执行方法实施例所述的方法。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (10)

1.一种患者身份识别方法，其特征在于，包括

获取当前患者的患病部位扫描图像；

根据所述当前患者的患病部位扫描图像获取当前患者的患病部位的勾画后的生理特征；

根据所述当前患者的患病部位的勾画后的生理特征和预先存储的目标患者的患病部位的勾画后的生理特征确定当前患者是否为目标患者。

2.根据权利要求1所述的患者身份识别方法，其特征在于，所述根据所述当前患者的患病部位的勾画后的生理特征和预先存储的目标患者的患病部位的勾画后的生理特征判断当前患者是否为目标患者的步骤，包括：

获取所述预先存储的目标患者的患病部位的勾画后的生理特征对应的所述目标患者的勾画后的第一组生理特征；

根据所述当前患者的患病部位的勾画后的生理特征获取所述当前患者的勾画后的第二组生理特征；

获取所述勾画后的第一组生理特征和勾画后的所述第二组生理特征的相似度；

根据所述相似度确定所述当前患者是否为所述目标患者。

3.根据权利要求1所述的患者身份识别方法，其特征在于，所述获取勾画后的第一组生理特征和勾画后的第二组生理特征的相似度的步骤，包括：

使用改进的KNN算法对所述勾画后的第一组生理特征和所述勾画后的第二组生理特征进行处理，得到所述相似度，其中所述改进的KNN算法中的K邻近值由交叉验证确定，采用欧式距离衡量两个点之间的距离，决策规则使用多数投票法。

4.根据所述权利要求3的患者身份识别方法，其特征在于，所述根据所述相似度确定所述当前患者是否为所述目标患者的步骤，包括：

判断所述相似度是否大于预设阈值；

若是，判定当前所述当前患者为所述目标患者；

若否，判定当前所述当前患者不是所述目标患者。

5.根据权利要求4所述的患者身份识别方法，其特征在于，所述预设阈值通过以下公式计算获得：

T＝w₁*m+w₂*t；

其中m为所述当前患者的患病部位的勾画后的生理特征中可运动的器官占总数的比例；而t为当前患者的患病部位扫描图像的拍摄时间和所述预先存储的目标患者的患病部位的勾画后的生理特征的拍摄时间的间隔；w₁和w₂为权重值，可以人工预设或者通过训练得到。

6.根据权利要求2所述的患者身份识别方法，其特征在于，所述勾画后的第一组生理特征和所述勾画后的第二组生理特征分别包括：肿瘤/器官在体内的相对位置；肿瘤/器官的大小；肿瘤的性质；肿瘤的转移信息；所述当前患者或所述目前患者的轮廓信息。

7.根据权利要求1所述的患者身份识别方法，其特征在于，在所述获取当前患者的患病部位扫描图像的步骤之后，还包括：

对所述当前患者的患病部位扫描图像进行预处理，获得预处理后的扫描图像，使所述预处理后的扫描图像与所述预先存储的目标患者的患病部位的预处理后的扫描图像具有相同的图形参数。

8.一种患者身份识别装置，其特征在于，所述装置包括：

扫描图像获取模块，用于获取当前患者的患病部位扫描图像；

勾画后的生理特征获取模块，用于根据所述当前患者的患病部位扫描图像获取当前患者的患病部位的勾画后的生理特征；

识别模块，用于根据所述当前患者的患病部位的勾画后的生理特征和预先存储的目标患者的患病部位的勾画后的生理特征确定当前患者是否为目标患者。

9.一种电子设备，其特征在于，所述电子设备包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述计算机设备执行根据权利要求1至7中任一项所述的患者身份识别方法。

10.一种计算机可读取存储介质，其特征在于，所述可读取存储介质中存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行权利要求1至7任一项所述的产品推荐方法。

Images