[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
【说明书】:

本公开提供了一种病理编号识别方法、装置、信息识别方法、装置及信息识别系统,涉及人工智能领域。该方法包括: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。本公开能够提高信息识别的效率和信息识别结果的精准度,进一步减少了人工成本。

技术领域

本公开涉及人工智能技术领域,具体而言,涉及一种病理编号识别方法、病理编号识别装置、信息识别方法、信息识别装置及信息识别系统。

背景技术

随着计算机技术的变革以及算法的提升,人工智能成为各国的战略性发展方向。人工智能被广泛应用在各个领域,如金融领域、医学领域、勘测领域,等等。

在医学领域,随着人工智能辅助诊断的普及,就诊的效率越来越高,并且疾病分析和诊疗方案的制定也较之前的人工方式更快更精准了。虽然对病理图像的分析越来越快、越精准了,但是在分析完后,还需要人工提取病理图像对应的病理编号并将其输入系统,以与分析结果进行对应存储,这就加大了医生的工作量,降低了诊断效率。

鉴于此,本领域亟需开发一种新的信息识别方法及病理编号识别方法。

需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的实施例提供了一种病理编号识别方法、病理编号识别装置、信息识别方法、信息识别装置及信息识别系统,进而至少在一定程度上可以避免人工提取病理编号及其它文本信息,提高了信息识别的效率和精准度。

本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。

根据本公开实施例的一个方面,提供了一种病理编号识别方法,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。

在本公开的一些实施例中,基于前述方案,所述对所述病理玻片图像中的所有对象进行边缘检测,包括:根据预设转换规则将所述病理玻片图像转换为灰度图像;对所述灰度图像进行第一平滑处理,以获取第一图像;对所述第一图像进行第二平滑处理,并计算平滑处理后的所述第一图像中各像素的梯度强度和方向;基于各所述像素的梯度强度和方向确定真实边缘像素,并根据所述真实边缘像素确定与所述对象对应的轮廓。

在本公开的一些实施例中,基于前述方案,所述提取所述目标图像中的病理编号区域,包括:根据预设模板对所述目标图像进行版面分析,以获取所述病理编号区域。

在本公开的一些实施例中,基于前述方案,在对所述病理编号区域中的病理编号进行识别之前,所述方法还包括:将所述病理编号区域中的所有像素进行二值化处理;对二值化处理后的所述病理编号区域进行腐蚀和膨胀处理,以去除所述病理编号区域中的噪点。

在本公开的一些实施例中,基于前述方案,所述方法还包括:根据匹配规则纠正所述病理编号中的错误字符。

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/201910969517.4/2.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