[发明专利]用于获取信息的方法及装置

说明书

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得到病变分级信息，其中，上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，上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；通过上述病变分级信息构建输出信息。该实施方式提高了分级信息的准确性。

技术领域

本申请实施例涉及数据处理技术领域，具体涉及图像处理技术领域，尤其涉及用于获取信息的方法及装置。

背景技术

视网膜病变(Diabetic Retinopathy，DR)和黄斑水肿(Diabetic Macular Edema，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只能给出DR和DME的分级结果。

发明内容

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得到病变分级信息，其中，上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，上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；通过上述病变分级信息构建输出信息。

在一些实施例中，上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，上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，上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；基于上述位置信息和区域信息，确定眼底图像的病变分级信息。

在一些实施例中，上述基于上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；分别建立上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，通过上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。

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：从基准病灶图像集合中提取基准病灶图像，从基准病灶图像中提取第一基准病灶图像，通过第一基准病灶图像训练得到病灶检测子模型，上述第一基准病灶图像包含第一病灶图像和对应第一病灶图像的位置信息，上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，上述病灶检测子模型用于识别第一病灶图像，并输出对应第一病灶图像的位置信息；从基准病灶图像中提取第二基准病灶图像，通过第二基准病灶图像训练得到病灶分割子模型，上述第二基准病灶图像包含第二病灶图像和对应第二病灶图像的区域信息，上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，上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；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，通过对应关系训练得到病变分级子模型，上述病变分级模型用于基于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。

在一些实施例中，上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，基于上述第一对应关系，训练得到病灶检测子模型。