[發(fā)明專利]一種基于深度學(xué)習(xí)的患者援助智能審核系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010145200.1
• 申請(qǐng)日: 2020-03-05
• 公開（公告）號(hào): CN111353445A
• 公開（公告）日: 2020-06-30
• 發(fā)明（設(shè)計(jì)）人: 劉勁松;熊伊;王勇;李鵬舉;羅志明
• 申請(qǐng)（專利權(quán)）人: 三構(gòu)科技（武漢）有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 武漢聚信匯智知識(shí)產(chǎn)權(quán)代理有限公司 42258
• 代理人: 沙莎

1.一種基于深度學(xué)習(xí)的患者援助智能審核系統(tǒng)，其特征在于，包括圖像預(yù)處理模塊、智能檢測(cè)模塊、智能識(shí)別模塊、自然語(yǔ)言分析處理模塊；

所述圖像預(yù)處理模塊用于將患者上傳的原始圖像材料進(jìn)行預(yù)處理，所述預(yù)處理包括確定圖像材料的類型，并對(duì)圖像進(jìn)行校正后發(fā)送至智能檢測(cè)模塊；

所述智能檢測(cè)模塊用于通過基于YOLO3算法的智能檢測(cè)模型對(duì)校正后的圖像進(jìn)行智能檢測(cè)得到待識(shí)別區(qū)域，然后發(fā)送至所述智能識(shí)別模塊；

所述智能識(shí)別模塊用于通過基于CRNN網(wǎng)絡(luò)算法的智能識(shí)別模型得到待識(shí)別區(qū)域中所有行的原始文本信息，并發(fā)送至所述自然語(yǔ)言分析處理模塊；

所述自然語(yǔ)言分析處理模塊用于通過模式匹配算法對(duì)原始文本信息進(jìn)行校驗(yàn)和修正，得到最終的圖像文本信息。

2.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的患者援助智能審核系統(tǒng)，其特征在于，所述預(yù)處理的具體步驟為：

首先在統(tǒng)一矩陣坐標(biāo)系下對(duì)圖像進(jìn)行縮放；然后通過特征點(diǎn)匹配算法對(duì)圖像中的元素進(jìn)行檢測(cè)，使用快速最近鄰近似搜索算法實(shí)現(xiàn)二位特征點(diǎn)的快速匹配；接下來(lái)對(duì)匹配的特征做出判斷，滿足條件的定義為一個(gè)符合條件的匹配點(diǎn)；再用單映射計(jì)算圖像和圖像之間的映射關(guān)系；再使用矩陣求逆和透視變換計(jì)算出系統(tǒng)預(yù)置的模板圖像在患者上傳的圖像上的對(duì)應(yīng)形狀，最后通過特征匹配相似度來(lái)確定患者上傳的圖像的類型。

3.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的患者援助智能審核系統(tǒng)，其特征在于，所述智能檢測(cè)模型的訓(xùn)練方法為：準(zhǔn)備訓(xùn)練數(shù)據(jù)，使用項(xiàng)目中現(xiàn)有的患者的申請(qǐng)材料，通過標(biāo)注軟件生成xml格式的標(biāo)記文件，標(biāo)記文件包含各個(gè)文本區(qū)域的坐標(biāo)和所包含的文字，將標(biāo)記文件輸入所述智能檢測(cè)模型，對(duì)智能檢測(cè)模型進(jìn)行訓(xùn)練。

4.根據(jù)權(quán)利要求3所述的一種基于深度學(xué)習(xí)的患者援助智能審核系統(tǒng)，其特征在于，所述智能檢測(cè)模型中，YOLO3算法的主體框架是Darknet53網(wǎng)絡(luò)，所述Darknet53網(wǎng)絡(luò)包括53個(gè)卷積層，且所述Darknet53網(wǎng)絡(luò)中設(shè)置了多個(gè)殘差模塊，每個(gè)殘差模塊包括兩個(gè)卷積層和一個(gè)快捷鏈路,且每個(gè)殘差模塊之后設(shè)置有一個(gè)補(bǔ)零模塊。

5.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的患者援助智能審核系統(tǒng)，其特征在于，所述智能識(shí)別模型的訓(xùn)練方法為：

準(zhǔn)備訓(xùn)練數(shù)據(jù)，使用項(xiàng)目中現(xiàn)有的患者的申請(qǐng)材料，使用標(biāo)注軟件生成xml格式的標(biāo)記文件，標(biāo)記文件包含各個(gè)文本區(qū)域的坐標(biāo)和所包含的文字；根據(jù)標(biāo)記文件中各區(qū)域的坐標(biāo)將標(biāo)記好的圖片區(qū)域切割出來(lái)，生成對(duì)應(yīng)的小塊區(qū)域和文字標(biāo)簽的數(shù)據(jù)集；訓(xùn)練時(shí)將數(shù)據(jù)集隨機(jī)分成訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集，通過訓(xùn)練集數(shù)據(jù)對(duì)智能識(shí)別模型進(jìn)行訓(xùn)練，通過測(cè)試集數(shù)據(jù)對(duì)智能識(shí)別模型進(jìn)行測(cè)試，直至模型損失函數(shù)小于設(shè)定閾值，訓(xùn)練結(jié)束。

6.根據(jù)權(quán)利要求5所述的一種基于深度學(xué)習(xí)的患者援助智能審核系統(tǒng)，其特征在于，所述智能識(shí)別模型中，CRNN網(wǎng)絡(luò)算法的網(wǎng)絡(luò)結(jié)構(gòu)包含三個(gè)部分，從下到上依次為卷積層、循環(huán)層和轉(zhuǎn)錄層，所述卷積層使用CNN算法，循環(huán)層使用RNN算法，轉(zhuǎn)錄層使用CTC算法。

7.根據(jù)權(quán)利要求6所述的一種基于深度學(xué)習(xí)的患者援助智能審核系統(tǒng)，其特征在于，所述轉(zhuǎn)錄層的CTC算法中插入了blank機(jī)制。