[發明專利]一種玻片樣本信息的自動識別方法、裝置和計算機設備

有效

• 申請號: 202011348364.0
• 申請日: 2020-11-26
• 公開（公告）號: CN112464802B
• 公開（公告）日: 2023-07-25
• 發明（設計）人: 向北海;張建南;許會
• 申請（專利權）人: 湖南國科智瞳科技有限公司
• 主分類號: G06V20/69
• 分類號: G06V20/69;G06V10/774;G06V10/82;G06V30/148;G06K17/00;G06N3/0464;G06N3/084
• 代理公司: 長沙國科天河知識產權代理有限公司 43225
• 代理人: 邱軼

1.一種玻片樣本信息的自動識別方法，其特征在于，包括：

獲取玻片樣本的預覽圖像；

將所述預覽圖像輸入訓練好的玻片樣本信息識別模型中，獲得玻片樣本信息；所述玻片樣本信息包括預掃描區域的類別和位置信息、玻片樣本標識的類別和位置信息；所述預掃描區域的類別包括液基細胞和組織切片，所述預掃描區域的位置信息為液基細胞和組織切片包圍框的坐標值及置信度；所述玻片樣本標識的類別包括二維碼標識、一維條形碼標識和字符標識，所述玻片樣本標識的位置信息為二維碼標識、一維條形碼標識和字符標識包圍框的坐標值及置信度；

利用訓練好的空間密度檢測網絡對所述預掃描區域進行檢測，獲得預掃描區域的空間密度圖，以所述空間密度圖為模板對所述預掃描區域進行處理，獲得玻片樣本的掃描區域；所述空間密度檢測網絡以全卷積回歸網絡為基礎進行構建，依次包括5個卷積單元、1個1×1的卷積層和5個反卷積單元；每個所述卷積單元包括卷積層、ReLU非線性映射以及最大池化層；每個所述反卷積單元包括上采樣層、ReLU非線性映射以及卷積層，所述上采樣層利用雙線性插值對輸入的特征圖進行升維處理；

利用ZBAR算法或者訓練好的字符識別模型對所述玻片樣本標識進行識別，獲得玻片樣本的標識信息。

2.如權利要求1所述的玻片樣本信息的自動識別方法，其特征在于，所述玻片樣本信息識別模型以YOLO模型為基礎進行構建，包括卷積單元、分類及包圍框回歸單元；

所述卷積單元包括一系列的卷積層和最大池化層，每個卷積層都采用Leaky?ReLU函數進行非線性映射，所述卷積單元用于提取輸入圖像的高維特征；

所述分類及包圍框回歸單元依次包括1×1的卷積層、平均池化層以及Softmax分類層，用于獲取卷積單元輸出的高維特征中包含目標的位置信息及類別；所述目標包括液基細胞、組織切片、二維碼標識、一維條形碼標識和字符標識。

3.如權利要求1所述的玻片樣本信息的自動識別方法，其特征在于，所述空間密度檢測網絡中所有卷積層采用的卷積核大小為3×3，輸出空間密度圖的大小和輸入的預掃描區域的大小相同。

4.如權利要求1所述的玻片樣本信息的自動識別方法，其特征在于，利用ZBAR算法或者訓練好的字符識別模型對所述玻片樣本標識進行識別，獲得玻片樣本的標識信息，包括：

當玻片樣本信息識別模型輸出的玻片樣本標識的類別為二維碼標識或一維條形碼標識時，利用ZBAR算法對二維碼標識或一維條形碼標識進行解碼，獲得玻片樣本的標識信息；

當玻片樣本信息識別模型輸出的玻片樣本標識的類別為字符標識時，利用訓練好的字符識別模型對字符標識進行識別，獲得玻片樣本的標識信息。

5.如權利要求1或4所述的玻片樣本信息的自動識別方法，其特征在于，所述字符識別模型依次包括卷積單元、遞歸單元和翻譯單元；

所述卷積單元包括一系列的卷積池化層，用于從輸入的圖像中提取特征序列；

所述遞歸單元采用雙向循環神經網絡結構，用于對卷積單元輸出的特征序列中的每個特征進行預測，輸出每個特征在所有字符集中的分類概率；

所述翻譯單元用于將遞歸單元輸出的分類概率翻譯為后驗概率最大的字符串，并對所述字符串進行后處理，合并重復的字符，輸出玻片樣本的標識信息。