[發明專利]用于獲取信息的方法及裝置

有效

• 申請號: 201710946331.8
• 申請日: 2017-10-12
• 公開（公告）號: CN107680684B
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 張少霆;張瑋東;段琦
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G16H50/30
• 分類號: G16H50/30;G16H30/40;G06K9/00
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

1.一種用于獲取信息的方法，其特征在于，所述方法包括：

獲取眼底圖像；

將眼底圖像導入預先訓練的病變分級模型得到病變分級信息，其中，所述病變分級模型用于對眼底圖像包含的病灶圖像進行特征信息提取，并根據提取的特征信息生成病變分級信息，所述病變分級信息包括病變分級信息、病變的病灶種類、病灶位置和病變的病灶數量；

通過所述病變分級信息構建輸出信息；

其中，建立得到所述病變分級模型的步驟包括：

從基準病灶圖像中分別提取出第一基準病灶圖像和第二基準病灶圖像，并分別通過所述第一基準病灶圖像和所述第二基準病灶圖像對應訓練得到病灶檢測子模型和病灶分割子模型；其中，所述第一基準病灶圖像包含相應病灶圖像和對應的位置信息，所述第二基準病灶圖像包含相應病灶圖像和對應的區域信息；

建立基準眼底圖像、位置信息和區域信息分別與視網膜病變的分級信息和黃斑水腫的分級信息之間的對應關系，并通過所述對應關系訓練得到能夠基于所述對應關系輸出視網膜病變的分級信息和/或黃斑水腫的分級信息的病變分級模型。

2.根據權利要求1所述的方法，其特征在于，所述將眼底圖像導入預先訓練的病變分級模型得到病變分級信息包括：

從眼底圖像中提取第一病灶圖像的位置信息，所述第一病灶圖像包括以下至少一項：靜脈環圖像、靜脈串珠圖像、新生血管圖像；

從眼底圖像中提取第二病灶圖像的區域信息，所述第二病灶圖像包括以下至少一項：視杯視盤圖像、微血管瘤圖像、出血斑圖像、滲出斑圖像、棉絨斑圖像；

基于所述位置信息和區域信息，確定眼底圖像的病變分級信息。

3.根據權利要求2所述的方法，其特征在于，所述基于所述位置信息和區域信息，確定眼底圖像的病變分級信息包括：

對眼底圖像中的視網膜病變圖像和黃斑水腫圖像進行數據處理，得到視網膜病變的初始分級信息和黃斑水腫的初始分級信息；

分別建立所述視網膜病變的初始分級信息、黃斑水腫的初始分級信息分別與位置信息和區域信息之間的匹配關系，通過所述匹配關系分別構建視網膜病變的病變分級信息和黃斑水腫的病變分級信息。

4.根據權利要求1所述的方法，其特征在于，所述第一病灶圖像包括以下至少一項：靜脈環圖像、靜脈串珠圖像、新生血管圖像，所述第二病灶圖像包括以下至少一項：視杯視盤圖像、微血管瘤圖像、出血斑圖像、滲出斑圖像、棉絨斑圖像，所述病灶分割子模型用于識別第二病灶圖像，并輸出確定對應第二病灶圖像的區域信息。

5.根據權利要求4所述的方法，其特征在于，所述通過第一基準病灶圖像訓練得到病灶檢測子模型包括：

從第一基準病灶圖像中提取第一病灶圖像和對應第一病灶圖像的位置信息；

建立第一病灶圖像與位置信息之間的第一對應關系；

利用機器學習方法，基于所述第一對應關系，訓練得到病灶檢測子模型。

6.根據權利要求4所述的方法，其特征在于，所述通過第二基準病灶圖像訓練得到病灶分割子模型包括：

從第二基準病灶圖像中提取第二病灶圖像和對應第二病灶圖像的區域信息；

建立第二病灶圖像與區域信息之間的第二對應關系；

利用機器學習方法，基于所述第二對應關系，訓練得到病灶分割子模型。

7.根據權利要求4所述的方法，其特征在于，所述通過對應關系訓練得到病變分級子模型包括：

通過區域信息與基準眼底圖像之間的區域關系確定病灶類型；

通過位置關系確定對應病灶類型的特征信息，所述特征信息包括以下至少一項：數量信息、位置信息和面積信息；

建立所述病灶類型和特征信息分別與視網膜病變的分級信息和黃斑水腫的分級信息之間的第三對應關系；

利用機器學習方法，基于第三對應關系，訓練得到病變分級子模型。