[发明专利]病理编号识别方法、信息识别方法、装置及信息识别系统在审

专利信息
申请号: 201910969517.4 申请日: 2019-10-12
公开(公告)号: CN110767292A 公开(公告)日: 2020-02-07
发明(设计)人: 杨帆;姚建华;马兆轩 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G16H30/20 分类号: G16H30/20;G06T7/13;G06T7/136;G06T7/181;G06T5/30;G06K9/00
代理公司: 44232 深圳市隆天联鼎知识产权代理有限公司 代理人: 刘抗美
地址: 518000 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 病理 标签 编号区域 目标图像 信息识别 玻片 图像 人工智能领域 信息识别结果 信息识别系统 边缘检测 编号识别 检测结果 人工成本 精准度 修正
【权利要求书】:

1.一种病理编号识别方法,其特征在于,包括:

获取包含标签的病理玻片图像,其中所述标签包括病理编号;

对所述病理玻片图像中的所有对象进行边缘检测,根据检测结果确定与所述标签对应的轮廓;

根据所述轮廓的位置信息对所述标签进行修正,以获取与所述标签对应的目标图像;

提取所述目标图像中的病理编号区域,并对所述病理编号区域中的病理编号进行识别,以获取所述病理编号。

2.根据权利要求1所述的病理编号识别方法,其特征在于,所述根据检测结果确定与所述标签对应的轮廓信息,包括:

获取所述病理玻片图像中所有的闭合轮廓,并计算所述闭合轮廓的面积;

根据所述面积由大到小对所述闭合轮廓进行多边形拟合,以确定与所述闭合轮廓对应的多边形;

在所述闭合轮廓中存在具有目标多边形的目标闭合轮廓时,将所述目标闭合轮廓作为所述标签对应的轮廓。

3.根据权利要求2所述的病理编号识别方法,其特征在于,所述目标多边形包括多个第一角点;

所述根据所述轮廓的位置信息对所述标签进行修正,以获取与所述标签对应的目标图像,包括:

将各所述第一角点按照预设规则进行排序,并根据相邻的所述第一角点的位置信息计算所述目标多边形的各边长度;

根据所述各边长度确定修正长度,并根据所述修正长度对所述目标多边形进行修正,以获取与所述目标对象对应的修正多边形;

根据所述修正多边形中第二角点的位置信息和所述第一角点的位置信息对所述目标闭合轮廓中的图像进行变换,以获取所述目标图像。

4.根据权利要求3所述的病理编号识别方法,所述目标多边形包括横向的第一边和第三边及纵向的第二边和第四边;

所述根据所述各边长度确定修正长度,并根据所述修正长度对所述目标多边形进行修正,以获取与所述标签对应的修正多边形,包括:

将所述第一边的长度和所述第三边的长度中最大的长度作为修正轮廓长度,将所述第二边的长度和所述第四边的长度中最大的长度作为修正轮廓高度;

根据所述修正轮廓长度和所述修正轮廓高度对所述目标多边形进行修正,以获取所述修正多边形。

5.根据权利要求3所述的病理编号识别方法,所述根据所述修正多边形中第二角点的位置信息和所述第一角点的位置信息对所述目标闭合轮廓中的图像进行变换,以获取所述目标图像,包括:

根据所述修正多边形中第二角点的位置信息和所述第一角点的位置信息确定变换矩阵;

将所述目标闭合轮廓中的图像所对应的像素矩阵与所述变换矩阵相乘,以获取所述目标图像。

6.根据权利要求1所述的病理编号识别方法,所述对所述病理编号区域中的病理编号进行识别,以获取所述病理编号,包括:

采用文本识别模型对所述病理编号区域中的病理编号进行识别,以获取所述病理编号。

7.根据权利要求6所述的病理编号识别方法,所述文本识别模型包括卷积神经网络子模型和与所述卷积神经网络子模型连接的循环神经网络子模型;

所述采用文本识别模型对所述病理编号区域中的病理编号进行识别,以获取所述病理编号,包括:

通过所述卷积神经网络子模型对所述病理编号区域进行特征提取,以获取与所述病理编号区域中的病理编号对应的特征向量序列;

通过所述循环神经网络子模型对所述特征向量序列进行特征提取,以获得所述病理编号。

8.一种信息识别方法,其特征在于,包括:

获取包含目标对象的原始图像,其中所述目标对象包括文本信息;

对所述原始图像中的所有对象进行边缘检测,根据检测结果确定与所述目标对象对应的轮廓;

根据所述轮廓的位置信息对所述目标对象进行修正,以获取与所述目标对象对应的目标图像;

提取所述目标图像中的待识别文本区域,并对所述待识别文本区域中的文本进行识别,以获取所述文本信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910969517.4/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top