[发明专利]基于深度学习的医疗药品图像的检测与分类方法

权利要求书

1.一种基于深度学习的医疗药品图像的检测与分类方法，其特征在于，具体步骤如下：

（1）对多角度拍摄的医疗药品按照分类树的统计方法进行分类，并制定编号；

（2）训练一个具有良好的分类医疗药品图像功能的卷积神经网络；

（3）结合目标检测网络与训练好的分类网络，获取医疗药品检测器；

（4）优化检测器输出结果，剔除虚警目标；

（5）分类展示优化后的检测器输出结果；

步骤（1）中，所述的对多角度拍摄的医疗药品按照分类树的统计方法进行分类，并制定编号，是利用多个摄像头，多角度的拍摄医疗药品，获取医疗药品图像数据集，采用分类树的统计方法，对医疗药品图像进行分类，并根据分类树中每类药品的完整信息，定义每一类药品的独有编号；

步骤（2）中，所述的训练一个具有良好的分类医疗药品图像功能的卷积神经网络，是将图像数据按照一定比例，分为训练集数据和测试集数据，利用训练集图像数据，经过多次的调整参数和训练，获取一个具有良好的分类医疗药品图像功能的卷积神经网络；所述卷积神经网络由多个卷积层、最大池化层和全连接层构成；

步骤（3）中，所述的结合目标检测网络与训练好的分类网络，获取医疗药品检测器，就是采用卷积神经网络中目标检测网络与训练好的具有药品分类功能的卷积神经网络中的分类网络相结合，提取医疗药品特征，并获取一个具有检测和分类功能的医疗药品检测器，其输出结果包含框定药品目标的矩形框和药品类别编号；

步骤（4）中，所述的优化检测器输出，剔除虚警目标，是采用非极大值抑制NMS的方法，优化检测器输出结果中的矩形框位置和数量，剔除虚警目标；

步骤（5）中，所述的分类展示优化后的检测器输出结果，是根据分类树的完整信息，判断检测器输出结果的正误性，并结合医疗药品发放情况的实际信息，分类展示检测结果。

2.根据权利要求1所述的基于深度学习的医疗药品图像的检测与分类方法，其特征在于，步骤（1）中对多角度拍摄的医疗药品进行类，并制定编号，具体步骤为：

（2a）将多个摄像头固定在几个角度不同的位置上，对同一种已发的医疗药品多角度多次拍摄，并将照片上传至云端备份；

（2b）根据医疗药品图像中的药品种类数量的不同，将其分成单类药品图像数据集和多类药品图像数据集两大类；

（2c）根据每月医院已发放的医疗药品的Excel表格信息，按照药品计量单位、药品名称、药品剂量、药品生产厂家的顺序依次排序；

（2d）组合步骤（2c）中排序后的表格信息，命名为医疗药品全称，并根据医疗药品全称，定义药品类别分类树；

（2e）制定与药品分类树中每一类医疗药品一一对应的编号，避免药品类别名称冗长而给后续工作带来的困扰。

3.根据权利要求2所述的基于深度学习的医疗药品图像的检测与分类方法，其特征在于，步骤（2）中训练一个具有良好的分类医疗药品图像功能的卷积神经网络，具体步骤为：

（3a）将步骤（2b）中的单类药品图像数据集，按照7:3的比例，随机分成训练数据集和测试数据集两部分；

（3b）利用一部分训练集数据，输入到卷积神经网络中训练分类网络在训练结束时，记录训练后的网络分类准确率，保存当前的分类网络；

（3c）调整网络参数，重新训练分类网络，反复训练几次，并记录每次的训练参数和分类准确率，保留当前网络结构下的最佳的分类网络备用；

（3d）调整网络结构，重复步骤（3b）与步骤（3c）的操作；

（3e）通过比较不同网络结构下，分类网络的输出结果的准确性和训练速度综合因素，选取一个最佳的医疗药品分类网络备用。