[发明专利]用于获取信息的方法及装置

权利要求书

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得到病变分级信息，其中，所述病变分级模型用于对眼底图像包含的病灶图像进行特征信息提取，并根据提取的特征信息生成病变分级信息，所述病变分级信息包括病变分级信息、病变的病灶种类、病灶位置和病变的病灶数量；

通过所述病变分级信息构建输出信息；

其中，建立得到所述病变分级模型的步骤包括：

从基准病灶图像中分别提取出第一基准病灶图像和第二基准病灶图像，并分别通过所述第一基准病灶图像和所述第二基准病灶图像对应训练得到病灶检测子模型和病灶分割子模型；其中，所述第一基准病灶图像包含相应病灶图像和对应的位置信息，所述第二基准病灶图像包含相应病灶图像和对应的区域信息；

建立基准眼底图像、位置信息和区域信息分别与视网膜病变的分级信息和黄斑水肿的分级信息之间的对应关系，并通过所述对应关系训练得到能够基于所述对应关系输出视网膜病变的分级信息和/或黄斑水肿的分级信息的病变分级模型。

2.根据权利要求1所述的方法，其特征在于，所述将眼底图像导入预先训练的病变分级模型得到病变分级信息包括：

从眼底图像中提取第一病灶图像的位置信息，所述第一病灶图像包括以下至少一项：静脉环图像、静脉串珠图像、新生血管图像；

从眼底图像中提取第二病灶图像的区域信息，所述第二病灶图像包括以下至少一项：视杯视盘图像、微血管瘤图像、出血斑图像、渗出斑图像、棉绒斑图像；

基于所述位置信息和区域信息，确定眼底图像的病变分级信息。

3.根据权利要求2所述的方法，其特征在于，所述基于所述位置信息和区域信息，确定眼底图像的病变分级信息包括：

对眼底图像中的视网膜病变图像和黄斑水肿图像进行数据处理，得到视网膜病变的初始分级信息和黄斑水肿的初始分级信息；

分别建立所述视网膜病变的初始分级信息、黄斑水肿的初始分级信息分别与位置信息和区域信息之间的匹配关系，通过所述匹配关系分别构建视网膜病变的病变分级信息和黄斑水肿的病变分级信息。

4.根据权利要求1所述的方法，其特征在于，所述第一病灶图像包括以下至少一项：静脉环图像、静脉串珠图像、新生血管图像，所述第二病灶图像包括以下至少一项：视杯视盘图像、微血管瘤图像、出血斑图像、渗出斑图像、棉绒斑图像，所述病灶分割子模型用于识别第二病灶图像，并输出确定对应第二病灶图像的区域信息。

5.根据权利要求4所述的方法，其特征在于，所述通过第一基准病灶图像训练得到病灶检测子模型包括：

从第一基准病灶图像中提取第一病灶图像和对应第一病灶图像的位置信息；

建立第一病灶图像与位置信息之间的第一对应关系；

利用机器学习方法，基于所述第一对应关系，训练得到病灶检测子模型。

6.根据权利要求4所述的方法，其特征在于，所述通过第二基准病灶图像训练得到病灶分割子模型包括：

从第二基准病灶图像中提取第二病灶图像和对应第二病灶图像的区域信息；

建立第二病灶图像与区域信息之间的第二对应关系；

利用机器学习方法，基于所述第二对应关系，训练得到病灶分割子模型。

7.根据权利要求4所述的方法，其特征在于，所述通过对应关系训练得到病变分级子模型包括：

通过区域信息与基准眼底图像之间的区域关系确定病灶类型；

通过位置关系确定对应病灶类型的特征信息，所述特征信息包括以下至少一项：数量信息、位置信息和面积信息；

建立所述病灶类型和特征信息分别与视网膜病变的分级信息和黄斑水肿的分级信息之间的第三对应关系；

利用机器学习方法，基于第三对应关系，训练得到病变分级子模型。