用于获取信息的方法及装置制造方法及图纸

本申请实施例公开了用于获取信息的方法及装置。该方法的一具体实施方式包括：获取眼底图像；将眼底图像导入预先训练的病变分级模型进行处理得到病变分级信息，其中，上述病变分级模型用于表征眼底图像包含的病变区域图像与病变分级信息之间的对应关系，上述病变分级信息包括视网膜病变的分级信息和/或黄斑水肿的分级信息；通过病变分级信息构建输出信息。该实施方式同时从眼底图像中获取视网膜病变的分级信息和黄斑水肿的分级信息，能够充分利用视网膜病变和黄斑水肿在诊断过程中的相关性，可以有效地提高计算机辅助诊断过程中视网膜病变分级和黄斑水肿分级的精度。

The method and device for obtaining information

【技术实现步骤摘要】
用于获取信息的方法及装置
本申请实施例涉及数据处理
，具体涉及图像处理
，尤其涉及用于获取信息的方法及装置。
技术介绍
视网膜病变(DiabeticRetinopathy，DR)和黄斑水肿(DiabeticMacularEdema，DME)是糖尿病患者常见的两种眼科疾病(以下统称为糖网病)。糖网病的诊断主要基于医生对患者眼底图像的检查。根据DR和DME的分级标准对眼底图像进行分析，进而综合评估病情并确定治疗方案。当前已有的糖网病自动分级和分析方法并不能同时给出DR和DME的分级结果。
技术实现思路
本申请实施例的目的在于提出了用于获取信息的方法及装置，来解决以上
技术介绍
部分提到的技术问题。第一方面，本申请实施例提供了一种用于获取信息的方法，该方法包括：获取眼底图像；将眼底图像导入预先训练的病变分级模型进行处理得到病变分级信息，其中，上述病变分级模型用于表征眼底图像包含的病变区域图像与病变分级信息之间的对应关系，上述病变分级信息包括视网膜病变的分级信息和/或黄斑水肿的分级信息；通过病变分级信息构建输出信息。在一些实施例中，上述方法还包括建立病变分级模型的步骤，上述建立病变分级模型的步骤包括：从眼底图像数据库中提取带标注的眼底图像，上述带标注的眼底图像包含视网膜病变区域图像和黄斑水肿区域图像，以及视网膜病变的分级信息和黄斑水肿的分级信息；从带标注的眼底图像中确定第一信息组和与第一信息组对应的第二信息组，得到对应眼底图像数据库的第一信息组集合和第二信息组集合，其中，第一信息组用于表征视网膜病变区域图像和视网膜病变的分级信息之间的对应关系，第二信息组用于表征黄斑水肿区域图像和黄斑水肿的分级信息之间的对应关系；利用机器学习方法，基于上述第一信息组集合和第二信息组集合，训练得到病变分级模型。在一些实施例中，上述利用机器学习方法，基于上述第一信息组集合和第二信息组集合，训练得到病变分级模型包括：将第一信息组和与第一信息组对应的第二信息组集合导入神经网络，得到对应上述第一信息组的第一反馈参数和对应上述第二信息组的第二反馈参数，上述第一反馈参数用于表征神经网络获取视网膜病变的分级信息的准确度，上述第二反馈参数用于表征神经网络获取黄斑水肿的分级信息的准确度；通过上述第一反馈参数和第二反馈参数对上述神经网络的网络参数进行修正，将网络参数修正后的神经网络作为病变分级模型。在一些实施例中，上述神经网络包括：卷积层和全连接层，其中，上述卷积层用于对眼底图像进行处理，提取眼底图像中视网膜病变区域和黄斑水肿病变区域所存在的特征信息，上述全连接层用于分别建立视网膜病变的病灶区域的图像处理结果与视网膜病变的分级信息之间的第一对应关系，以及建立黄斑水肿的病灶区域的图像处理结果和黄斑水肿的分级信息之间的第二对应关系。在一些实施例中，上述通过上述第一反馈参数和第二反馈参数对上述神经网络的网络参数进行修正包括：通过上述第一反馈参数和第二反馈参数对卷积层的网络参数和/或全连接层的网络参数进行修正。在一些实施例中，上述神经网络包括：第一分级网络和第二分级网络，上述第一分级网络用于建立视网膜病变的病灶区域与视网膜病变的分级信息之间的对应关系，上述第二分级网络用于建立黄斑水肿的病灶区域和黄斑水肿的分级信息之间的对应关系。在一些实施例中，上述通过上述第一反馈参数和第二反馈参数对上述神经网络的网络参数进行修正包括：通过上述第一反馈参数对第二分级网络的网络参数进行修正，通过上述第二反馈参数对第一分级网络的网络参数进行修正。第二方面，本申请实施例提供了一种用于获取信息的装置，上述该装置包括：眼底图像获取单元，用于获取眼底图像；病变分级信息获取单元，用于将眼底图像导入预先训练的病变分级模型进行处理得到病变分级信息，其中，上述病变分级模型用于表征眼底图像包含的病变区域图像与病变分级信息之间的对应关系，上述病变分级信息包括视网膜病变的分级信息和/或黄斑水肿的分级信息；输出信息构建单元，用于通过病变分级信息构建输出信息。在一些实施例中，上述装置还包括病变分级模型构建单元，用于建立病变分级模型，上述病变分级模型构建单元包括：带标注的眼底图像提取子单元，用于从眼底图像数据库中提取带标注的眼底图像，上述带标注的眼底图像包含视网膜病变区域图像和黄斑水肿区域图像，以及视网膜病变的分级信息和黄斑水肿的分级信息；信息组集合获取子单元，用于从带标注的眼底图像中确定第一信息组和与第一信息组对应的第二信息组，得到对应眼底图像数据库的第一信息组集合和第二信息组集合，其中，第一信息组用于表征视网膜病变区域图像和视网膜病变的分级信息之间的对应关系，第二信息组用于表征黄斑水肿区域图像和黄斑水肿的分级信息之间的对应关系；病变分级模型训练子单元，用于利用机器学习方法，基于上述第一信息组集合和第二信息组集合，训练得到病变分级模型。在一些实施例中，上述病变分级模型训练子单元包括：反馈参数获取模块，用于将第一信息组和与第一信息组对应的第二信息组集合导入神经网络，得到对应上述第一信息组的第一反馈参数和对应上述第二信息组的第二反馈参数，上述第一反馈参数用于表征神经网络获取视网膜病变的分级信息的准确度，上述第二反馈参数用于表征神经网络获取黄斑水肿的分级信息的准确度；病变分级模型获取模块，用于通过上述第一反馈参数和第二反馈参数对上述神经网络的网络参数进行修正，将网络参数修正后的神经网络作为病变分级模型。在一些实施例中，上述神经网络包括：卷积层和全连接层，其中，上述卷积层用于对眼底图像进行处理，提取眼底图像中视网膜病变区域和黄斑水肿病变区域所存在的特征信息，上述全连接层用于分别建立视网膜病变的病灶区域的图像处理结果与视网膜病变的分级信息之间的第一对应关系，以及建立黄斑水肿的病灶区域的图像处理结果和黄斑水肿的分级信息之间的第二对应关系。在一些实施例中，上述病变分级模型获取模块包括：通过上述第一反馈参数和第二反馈参数对卷积层的网络参数和/或全连接层的网络参数进行修正。在一些实施例中，上述神经网络包括：第一分级网络和第二分级网络，上述第一分级网络用于建立视网膜病变的病灶区域与视网膜病变的分级信息之间的对应关系，上述第二分级网络用于建立黄斑水肿的病灶区域和黄斑水肿的分级信息之间的对应关系。在一些实施例中，上述病变分级模型获取模块包括：通过上述第一反馈参数对第二分级网络的网络参数进行修正，通过上述第二反馈参数对第一分级网络的网络参数进行修正。第三方面，本申请实施例提供了一种服务器，包括：一个或多个处理器；存储器，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器执行上述第一方面的用于获取信息的方法。第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现上述第一方面的用于获取信息的方法。本申请实施例提供的用于获取信息的方法及装置，可以同时从眼底图像中获取视网膜病变的分级信息和黄斑水肿的分级信息，能够充分利用视网膜病变和黄斑水肿在诊断过程中的相关性，可以有效地提高计算机辅助诊断过程中视网膜病变分级和黄斑水肿分级的精度。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的本文档来自技高网...

【技术保护点】
一种用于获取信息的方法，其特征在于，所述方法包括：获取眼底图像；将眼底图像导入预先训练的病变分级模型进行处理得到病变分级信息，其中，所述病变分级模型用于表征眼底图像包含的病变区域图像与病变分级信息之间的对应关系，所述病变分级信息包括视网膜病变的分级信息和/或黄斑水肿的分级信息；通过病变分级信息构建输出信息。

【技术特征摘要】
1.一种用于获取信息的方法，其特征在于，所述方法包括：获取眼底图像；将眼底图像导入预先训练的病变分级模型进行处理得到病变分级信息，其中，所述病变分级模型用于表征眼底图像包含的病变区域图像与病变分级信息之间的对应关系，所述病变分级信息包括视网膜病变的分级信息和/或黄斑水肿的分级信息；通过病变分级信息构建输出信息。2.根据权利要求1所述的方法，其特征在于，所述方法还包括建立病变分级模型的步骤，所述建立病变分级模型的步骤包括：从眼底图像数据库中提取带标注的眼底图像，所述带标注的眼底图像包含视网膜病变区域图像和黄斑水肿区域图像，以及视网膜病变的分级信息和黄斑水肿的分级信息；从带标注的眼底图像中确定第一信息组和与第一信息组对应的第二信息组，得到对应眼底图像数据库的第一信息组集合和第二信息组集合，其中，第一信息组用于表征视网膜病变区域图像和视网膜病变的分级信息之间的对应关系，第二信息组用于表征黄斑水肿区域图像和黄斑水肿的分级信息之间的对应关系；利用机器学习方法，基于所述第一信息组集合和第二信息组集合，训练得到病变分级模型。3.根据权利要求2所述的方法，其特征在于，所述利用机器学习方法，基于所述第一信息组集合和第二信息组集合，训练得到病变分级模型包括：将第一信息组和与第一信息组对应的第二信息组集合导入神经网络，得到对应所述第一信息组的第一反馈参数和对应所述第二信息组的第二反馈参数，所述第一反馈参数用于表征神经网络获取视网膜病变的分级信息的准确度，所述第二反馈参数用于表征神经网络获取黄斑水肿的分级信息的准确度；通过所述第一反馈参数和第二反馈参数对所述神经网络的网络参数进行修正，将网络参数修正后的神经网络作为病变分级模型。4.根据权利要求3所述的方法，其特征在于，所述神经网络包括：卷积层和全连接层，其中，所述卷积层用于对眼底图像进行处理，提取眼底图像中视网膜病变区域和黄斑水肿病变区域所存在的特征信息，所述全连接层用于分别建立视网膜病变的病灶区域的图像处理结果与视网膜病变的分级信息之间的第一对应关系，以及建立黄斑水肿的病灶区域的图像处理结果和黄斑水肿的分级信息之间的第二对应关系。5.根据权利要求4所述的方法，其特征在于，所述通过所述第一反馈参数和第二反馈参数对所述神经网络的网络参数进行修正包括：通过所述第一反馈参数和第二反馈参数对卷积层的网络参数和/或全连接层的网络参数进行修正。6.根据权利要求3所述的方法，其特征在于，所述神经网络包括：第一分级网络和第二分级网络，所述第一分级网络用于建立视网膜病变的病灶区域与视网膜病变的分级信息之间的对应关系，所述第二分级网络用于建立黄斑水肿的病灶区域和黄斑水肿的分级信息之间的对应关系。7.根据权利要求6所述的方法，其特征在于，所述通过所述第一反馈参数和第二反馈参数对所述神经网络的网络参数进行修正包括：通过所述第一反馈参数对第二分级网络的网络参数进行修正，通过所述第二反馈参数对第一分级网络的网络参数进行修正。8.一种用于获取信息的装置，其特征在于，所述装置包括：眼底图像获取单元，用于获取眼底图像；病变分级信息获取单元，用于将眼底图像导入预先训练的病变分级模型进行处理得到病变分级信息，其中，所述病变分级模...

【专利技术属性】
技术研发人员：张少霆，张玮东，段琦，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11