[發(fā)明專利]用于生成信息的方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201710914487.8
• 申請(qǐng)日: 2017-09-30
• 公開（公告）號(hào): CN107665736B
• 公開（公告）日: 2021-05-25
• 發(fā)明（設(shè)計(jì)）人: 黃寧;劉星龍;張少霆
• 申請(qǐng)（專利權(quán)）人: 百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司
• 主分類號(hào): G16H50/30
• 分類號(hào): G16H50/30;G06N3/04
• 代理公司: 北京英賽嘉華知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11204
• 代理人: 王達(dá)佐;馬曉亞

本申請(qǐng)公開了用于生成信息的方法和裝置。該方法的一具體實(shí)施方式包括：接收目標(biāo)用戶的肺部圖像和用戶記錄信息；將所述肺部圖像輸入預(yù)先訓(xùn)練的檢測(cè)模型，得到所述目標(biāo)用戶的肺部結(jié)節(jié)描述信息；基于得到的肺部結(jié)節(jié)描述信息確定所述目標(biāo)用戶的肺部是否有結(jié)節(jié)；響應(yīng)于確定所述目標(biāo)用戶的肺部有結(jié)節(jié)，將所述目標(biāo)用戶在不同時(shí)間的肺部圖像、肺部結(jié)節(jié)描述信息、用戶記錄信息輸入預(yù)先訓(xùn)練的預(yù)測(cè)模型，得到所述目標(biāo)用戶的肺部結(jié)節(jié)預(yù)測(cè)信息。該實(shí)施方式有效利用了目標(biāo)用戶的肺部圖像和用戶記錄信息，提高了肺部結(jié)節(jié)預(yù)測(cè)信息的準(zhǔn)確性。

技術(shù)領(lǐng)域

本申請(qǐng)涉及計(jì)算機(jī)技術(shù)領(lǐng)域，具體涉及信息技術(shù)領(lǐng)域，尤其涉及用于生成信息的方法和裝置。

背景技術(shù)

隨著信息技術(shù)的不斷發(fā)展和成熟，計(jì)算機(jī)的應(yīng)用也越來越廣泛。現(xiàn)階段可以通過計(jì)算機(jī)對(duì)醫(yī)學(xué)圖像進(jìn)行處理，以盡快生成圖像信息。

肺癌是世界上發(fā)病率及死亡率最高的惡性腫瘤之一，目前可以采用低劑量CT(Computed Tomography，電子計(jì)算機(jī)斷層掃描)篩查。但是人工檢查，存在不同級(jí)別、地區(qū)醫(yī)院之間的水平差異，以及醫(yī)師經(jīng)驗(yàn)的不同，導(dǎo)致給出的肺部結(jié)節(jié)預(yù)測(cè)信息的準(zhǔn)確性較低。

發(fā)明內(nèi)容

本申請(qǐng)實(shí)施例的目的在于提出一種改進(jìn)的用于生成信息的方法和裝置，來解決以上背景技術(shù)部分提到的技術(shù)問題。

第一方面，本申請(qǐng)實(shí)施例提供了一種用于生成信息的方法，該方法包括：接收目標(biāo)用戶的肺部圖像和用戶記錄信息；將上述肺部圖像輸入預(yù)先訓(xùn)練的檢測(cè)模型，得到上述目標(biāo)用戶的肺部結(jié)節(jié)描述信息，其中，上述檢測(cè)模型用于表征肺部圖像與肺部結(jié)節(jié)描述信息的對(duì)應(yīng)關(guān)系；基于得到的肺部結(jié)節(jié)描述信息確定上述目標(biāo)用戶的肺部是否有結(jié)節(jié)；響應(yīng)于確定上述目標(biāo)用戶的肺部有結(jié)節(jié)，將上述目標(biāo)用戶在不同時(shí)間的肺部圖像、肺部結(jié)節(jié)描述信息、用戶記錄信息輸入預(yù)先訓(xùn)練的預(yù)測(cè)模型，得到上述目標(biāo)用戶的肺部結(jié)節(jié)預(yù)測(cè)信息，其中，上述預(yù)測(cè)模型用于表征上述目標(biāo)用戶在不同時(shí)間的肺部圖像、肺部結(jié)節(jié)描述信息和記錄信息與肺部結(jié)節(jié)預(yù)測(cè)信息的對(duì)應(yīng)關(guān)系。

在一些實(shí)施例中，上述檢測(cè)模型是通過以下方式訓(xùn)練得到的：利用三維卷積神經(jīng)網(wǎng)絡(luò)，將肺部樣本圖像作為輸入，將上述肺部樣本圖像的肺部結(jié)節(jié)描述信息作為輸出，訓(xùn)練得到檢測(cè)模型。

在一些實(shí)施例中，上述方法還包括：響應(yīng)于確定上述目標(biāo)用戶的肺部結(jié)節(jié)描述信息中包括的結(jié)節(jié)類型為部分實(shí)性結(jié)節(jié)時(shí)，在上述目標(biāo)用戶的肺部圖像的結(jié)節(jié)邊界范圍內(nèi)，使用預(yù)先設(shè)定的灰度閾值進(jìn)行圖像分割，得到上述目標(biāo)用戶的肺部圖像所包含結(jié)節(jié)的實(shí)性部分和非實(shí)性部分；對(duì)上述目標(biāo)用戶在不同時(shí)間的肺部圖像進(jìn)行配準(zhǔn)和分析，從而得到同一位置結(jié)節(jié)大小變化信息和結(jié)節(jié)成分變化信息，并將得到的同一位置結(jié)節(jié)大小變化信息和結(jié)節(jié)成分變化信息作為用戶記錄信息進(jìn)行記錄，其中，結(jié)節(jié)成分包括實(shí)性成分和非實(shí)性成分。

在一些實(shí)施例中，上述預(yù)測(cè)模型是通過以下方式訓(xùn)練得到的：利用多元線性回歸法，對(duì)樣本用戶在不同時(shí)間的肺部圖像中所包含結(jié)節(jié)的肺部結(jié)節(jié)描述信息、用戶記錄信息以及基于深度神經(jīng)網(wǎng)絡(luò)提取的圖像特征進(jìn)行分析處理，得到預(yù)測(cè)模型。

在一些實(shí)施例中，上述預(yù)測(cè)模型是通過以下方式訓(xùn)練得到的：利用長(zhǎng)短期記憶網(wǎng)絡(luò)，分別將樣本用戶在不同時(shí)間的肺部樣本圖像、肺部結(jié)節(jié)描述信息、用戶記錄信息作為輸入，訓(xùn)練得到至少一個(gè)子模型；將上述至少一個(gè)子模型的輸出向量進(jìn)行合并，得到合并后的總向量；利用全卷積神經(jīng)網(wǎng)絡(luò)，將上述總向量作為輸入，將樣本用戶的結(jié)節(jié)信息作為輸出，訓(xùn)練得到預(yù)測(cè)模型。