基于深度学习的医疗药品图像的检测与分类方法技术

本发明专利技术属于图像处理和视频处理技术领域，具体为基于深度学习的医疗药品图像的检测与分类方法。本发明专利技术方法包括：从多角度拍摄医疗药品的方法获取每类药品图像；采用分类树的统计方法对获取的全部医疗药品分类；采用卷积神经网络中的分类网络，提取医疗药品图像特征；利用训练后得到的药品分类网络替换检测网络中的特征提取层，并训练检测网络，获得检测器；采用非极大值抑制的方法，对检测器的输出结果进行优化与修正；最后，采用基于医疗药品发放的实际情况的显示方案，对不同类别的检测结果分类展示。本发明专利技术实用性强，可用医疗药品发放实况的检查和预警，严防医药误用造成的医疗事故，提高医药发放的准确性与安全性。

Detection and Classification of Medical Drug Images Based on Deep Learning

The invention belongs to the technical field of image processing and video processing, in particular to a method for detecting and classifying medical drug images based on in-depth learning. The method of the invention includes: capturing medical medicine images from multiple angles; classifying all medical drugs by statistical method of classification tree; extracting medical medicine image features by using classification network of convolutional neural network; replacing feature extraction layer of detection network with drug classification network obtained after training, and training detection network to obtain medical medicine image features. The detector is obtained; the output result of the detector is optimized and corrected by non-maximum suppression method; finally, the detection results of different categories are classified and displayed by the display scheme based on the actual situation of medical drug distribution. The invention has strong practicability, can be used to check and warn the actual distribution of medical drugs, strictly prevent medical accidents caused by misuse of medicines, and improve the accuracy and safety of the distribution of medicines.

【技术实现步骤摘要】
基于深度学习的医疗药品图像的检测与分类方法
本专利技术属于图像处理和视频处理
，具体涉及一种针对医院发放的医疗药品的检测与分类方法。
技术介绍
随着医疗技术的发展和城市人口数量的增加，医院药房每日所发的药物种类和数量十分巨大，为了保证患者的用药安全性和准确性，医院已发药品的检查和校正工作变得至关重要，因而需要对每份已发药品拍照留底。采用机器辅助人工的识别方法，可以提高医护人员在核准药品类型方面的工作效率，降低工作复杂性。深度学习是近十年来人工智能领域取得的最重要的突破之一，它在语音识别、自然语言处理、计算机视觉、图像与视频分析、多媒体等诸多领域都取得了巨大成功。深度学习与传统模式识别方式的最大不同在于它是从大数据中自动学习特征，而非采用手工设计的特征，因而模型的表达能力更强，更具效率。目前的目标检测算法主要是基于深度学习模型，本方法使用的目标检测网络，在结构上，是将特征提取，目标框定，结果分类三个部分整合到同一个网络中，使得综合性能有了较大的提升，并且同时在检测速度方面也有所提高。
技术实现思路
本专利技术的目的在于提供一种针对医院发放的医疗药品的检测与分类方法，以便对医疗药品发放本文档来自技高网...

【技术保护点】
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...

【技术特征摘要】
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...

【专利技术属性】
技术研发人员：徐丰，钱昱彤，
申请(专利权)人：复旦大学，
类型：发明
国别省市：上海,31