[发明专利]用于生成信息的方法和装置

说明书

本申请公开了用于生成信息的方法和装置。该方法的一具体实施方式包括：接收目标用户的肺部图像和用户记录信息；将所述肺部图像输入预先训练的检测模型，得到所述目标用户的肺部结节描述信息；基于得到的肺部结节描述信息确定所述目标用户的肺部是否有结节；响应于确定所述目标用户的肺部有结节，将所述目标用户在不同时间的肺部图像、肺部结节描述信息、用户记录信息输入预先训练的预测模型，得到所述目标用户的肺部结节预测信息。该实施方式有效利用了目标用户的肺部图像和用户记录信息，提高了肺部结节预测信息的准确性。

技术领域

本申请涉及计算机技术领域，具体涉及信息技术领域，尤其涉及用于生成信息的方法和装置。

背景技术

随着信息技术的不断发展和成熟，计算机的应用也越来越广泛。现阶段可以通过计算机对医学图像进行处理，以尽快生成图像信息。

肺癌是世界上发病率及死亡率最高的恶性肿瘤之一，目前可以采用低剂量CT(Computed Tomography，电子计算机断层扫描)筛查。但是人工检查，存在不同级别、地区医院之间的水平差异，以及医师经验的不同，导致给出的肺部结节预测信息的准确性较低。

发明内容

本申请实施例的目的在于提出一种改进的用于生成信息的方法和装置，来解决以上背景技术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生成信息的方法，该方法包括：接收目标用户的肺部图像和用户记录信息；将上述肺部图像输入预先训练的检测模型，得到上述目标用户的肺部结节描述信息，其中，上述检测模型用于表征肺部图像与肺部结节描述信息的对应关系；基于得到的肺部结节描述信息确定上述目标用户的肺部是否有结节；响应于确定上述目标用户的肺部有结节，将上述目标用户在不同时间的肺部图像、肺部结节描述信息、用户记录信息输入预先训练的预测模型，得到上述目标用户的肺部结节预测信息，其中，上述预测模型用于表征上述目标用户在不同时间的肺部图像、肺部结节描述信息和记录信息与肺部结节预测信息的对应关系。

在一些实施例中，上述检测模型是通过以下方式训练得到的：利用三维卷积神经网络，将肺部样本图像作为输入，将上述肺部样本图像的肺部结节描述信息作为输出，训练得到检测模型。

在一些实施例中，上述方法还包括：响应于确定上述目标用户的肺部结节描述信息中包括的结节类型为部分实性结节时，在上述目标用户的肺部图像的结节边界范围内，使用预先设定的灰度阈值进行图像分割，得到上述目标用户的肺部图像所包含结节的实性部分和非实性部分；对上述目标用户在不同时间的肺部图像进行配准和分析，从而得到同一位置结节大小变化信息和结节成分变化信息，并将得到的同一位置结节大小变化信息和结节成分变化信息作为用户记录信息进行记录，其中，结节成分包括实性成分和非实性成分。

在一些实施例中，上述预测模型是通过以下方式训练得到的：利用多元线性回归法，对样本用户在不同时间的肺部图像中所包含结节的肺部结节描述信息、用户记录信息以及基于深度神经网络提取的图像特征进行分析处理，得到预测模型。

在一些实施例中，上述预测模型是通过以下方式训练得到的：利用长短期记忆网络，分别将样本用户在不同时间的肺部样本图像、肺部结节描述信息、用户记录信息作为输入，训练得到至少一个子模型；将上述至少一个子模型的输出向量进行合并，得到合并后的总向量；利用全卷积神经网络，将上述总向量作为输入，将样本用户的结节信息作为输出，训练得到预测模型。