骨科耗材信息识别方法、装置、设备和介质制造方法及图纸

本发明专利技术实施例公开了一种骨科耗材信息识别方法、装置、设备和介质，其中，方法包括：获取待识别骨科耗材的原始图像，并将原始图像输入到经过预训练的Swin Transformer模型中，得到待识别骨科耗材的轮廓信息和目标识别信息的位置标记信息；基于轮廓信息和位置标记信息，将原始图像中包含有所述目标识别信息的非矩形区域局部图像转换为矩形区域图像；通过预设级联光学字符识别分析算法对矩形区域图像进行识别，得到目标识别信息的信息内容。本发明专利技术实施例解决了骨科耗材人工识别效率低的问题，实现自动化、智能化骨科耗材识别，提高了骨科耗材信息识别的准确率和效率，有利于对骨科耗材进行管理。材进行管理。材进行管理。

【技术实现步骤摘要】
骨科耗材信息识别方法、装置、设备和介质


[0001]本专利技术实施例涉及图像处理
，尤其涉及骨科耗材信息识别方法、装置、设备和介质。

技术介绍

[0002]骨科耗材包括骨钉或接骨板等骨科器械，骨科耗材的种类复杂多样、并且骨科耗材通常由植入类耗材与配套器械组成，容易识别错误，现有识别方法多是人工识别验收与统计，效率较低。

技术实现思路

[0003]本专利技术实施例提供了一种骨科耗材信息识别方法、装置、设备和介质，解决了骨科耗材人工识别效率低的问题，实现自动化、智能化骨科耗材识别，提高了骨科耗材信息识别的准确率和效率，有利于对骨科耗材进行管理。
[0004]第一方面，本专利技术实施例提供了一种骨科耗材信息识别方法，该方法包括：
[0005]获取待识别骨科耗材的原始图像，并将原始图像输入到经过预训练的Swin Transformer模型中，得到待识别骨科耗材的轮廓信息和目标识别信息的位置标记信息；
[0006]基于轮廓信息和位置标记信息，将原始图像中包含有目标识别信息的非矩形区域局部图像转换为矩形区域图像；
[0007]通过预设级联光学字符识别分析算法对矩形区域图像进行识别，得到目标识别信息的信息内容。
[0008]第二方面，本专利技术实施例还提供了一种骨科耗材信息识别装置，该装置包括：
[0009]信息定位模块，用于获取待识别骨科耗材的原始图像，并将原始图像输入到经过预训练的Swin Transformer模型中，得到待识别骨科耗材的轮廓信息和目标识别信息的位置标记信息；
[0010]图像转换模块，用于基于轮廓信息和位置标记信息，将原始图像中包含有目标识别信息的非矩形区域局部图像转换为矩形区域图像；
[0011]信息识别模块，用于通过预设级联光学字符识别分析算法对矩形区域图像进行识别，得到目标识别信息的信息内容。
[0012]第三方面，本专利技术实施例还提供了一种计算机设备，该计算机设备包括：
[0013]一个或多个处理器；
[0014]存储器，用于存储一个或多个程序；
[0015]当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如本专利技术任一实施例所提供的骨科耗材信息识别方法。
[0016]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术任一实施例所提供的骨科耗材信息识别方法。
[0017]本专利技术实施例的技术方案，通过获取待识别骨科耗材的原始图像，并将原始图像
输入到经过预训练的Swin Transformer模型中，得到待识别骨科耗材的轮廓信息和目标识别信息的位置标记信息；基于轮廓信息和位置标记信息，将原始图像中包含有所述目标识别信息的非矩形区域局部图像转换为矩形区域图像；通过预设级联光学字符识别分析算法对矩形区域图像进行识别，得到目标识别信息的信息内容。本专利技术实施例的技术方案，解决了骨科耗材人工识别效率低的问题，实现自动化、智能化骨科耗材识别，提高了骨科耗材信息识别的准确率和效率，有利于对骨科耗材进行管理。
附图说明
[0018]图1是本专利技术实施例提供的一种骨科耗材信息识别方法的流程图；
[0019]图2是本专利技术实施例提供的又一种骨科耗材信息识别方法的流程图；
[0020]图3是本专利技术实施例提供的另一种骨科耗材信息识别方法的流程图；
[0021]图4是一种骨科耗材信息识别方法的流程图；
[0022]图5是一种骨科耗材的图像；
[0023]图6是本专利技术实施例提供的一种骨科耗材信息识别装置的结构框图；
[0024]图7是本专利技术实施例提供的一种计算机设备的结构框图。
具体实施方式
[0025]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0026]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“原始”和“目标”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0027]图1是本专利技术实施例提供的一种骨科耗材信息识别方法的流程图，本实施例可适用于骨科耗材信息识别的场景中，特别的，本实施例更适用于同种类型骨钉型号识别的情况。该方法可以由骨科耗材信息识别装置执行，该装置可以由软件和/或硬件的方式来实现，集成于具有应用开发功能的计算机设备中。
[0028]如图1所示，本实施例的骨科耗材信息识别方法包括以下步骤：
[0029]S110、获取待识别骨科耗材的原始图像，并将原始图像输入到经过预训练的Swin Transformer模型中，得到待识别骨科耗材的轮廓信息和目标识别信息的位置标记信息。
[0030]其中，原始图像中包括待识别骨科耗材的轮廓信息和目标识别信息。
[0031]轮廓信息是待识别骨科耗材的外部边缘轮廓图像或外部边缘轮廓线的坐标等用于确定骨科耗材轮廓的位置的信息。
[0032]目标识别信息为待识别骨科耗材的型号等用于确定骨科耗材规格的信息。
[0033]位置标记信息为待识别骨科耗材的目标识别信息的起始位置对应的标记点，例如，可以是同一类骨科耗材的型号的第一位数字或字母之前的同一类标记的图像对应的坐标或任何可以用于确定该标记的图像在原始图像中位置的信息。
[0034]Swin Transformer模型采取层次化的设计进行特征提取，然后合并各层级的图像块特征来构建分层特征图。Swin Transformer模型一共包含4个图像分割层，每个图像分割层划分为多个图像块，每个层级都会缩小输入特征图的分辨率，随着层级的加深，图像块的数量会逐渐减少并且每个图像块的感知范围会扩大，便于进行多尺度特征提取。
[0035]具体的，可以基于人工标记的骨科耗材的轮廓信息和目标识别信息的位置标记对Swin Transformer模型进行预训练，将待识别骨科耗材的原始图像输入到经过预训练的Swin Transformer模型中，得到待识别骨科耗材的轮廓信息和目标识别信息的位置标记信息。
[0036]S120、基于轮廓信息和位置标记信息，将原始图像中包含有目标识别信息的非矩形区域局部图像转换为矩形区域图像。
[0037]可以理解的是，为了完成骨科耗材信息识别，需要通本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种骨科耗材信息识别方法，其特征在于，包括：获取待识别骨科耗材的原始图像，并将所述原始图像输入到经过预训练的Swin Transformer模型中，得到所述待识别骨科耗材的轮廓信息和目标识别信息的位置标记信息；基于所述轮廓信息和所述位置标记信息，将所述原始图像中包含有所述目标识别信息的非矩形区域局部图像转换为矩形区域图像；通过预设级联光学字符识别分析算法对所述矩形区域图像进行识别，得到所述目标识别信息的信息内容。2.根据权利要求1所述的方法，其特征在于，所述将所述原始图像输入到经过预训练的Swin Transformer模型中，得到所述待识别骨科耗材的轮廓信息和目标识别信息的位置标记信息，包括：将所述原始图像输入到经过预训练的Swin Transformer模型中，由所述Swin Transformer模型的图像分割层对所述图像进行切分，得到多个图像块；将所述多个图像块输入到所述Swin Transformer模型的线性嵌入层，进行图像块编码；将所述图像块的编码结果输入到Swin Transformer块级联结构中进行特征提取，得到所述待识别骨科耗材的轮廓信息和目标识别信息的位置标记信息。3.根据权利要求2所述的方法，其特征在于，针对每一个Swin Transformer块级联结构，在首个Swin Transformer块前设置有图像块融合层，以进行多图像块特征的融合。4.根据权利要求1所述的方法，其特征在于，所述基于所述轮廓信息和所述位置标记信息，将所述原始图像中包含有所述目标识别信息的非矩形区域局部图像转换为矩形区域图像，包括：根据所述轮廓信息确定所述待识别骨科耗材的圆心和半径；计算经过所述位置标记信息对应的标记点和圆心的直线，在以所述圆心为原点、以所述原始图像中水平向右的轴为极轴的极坐标系的极角；以所述标记点为起点、以所述极角为起始角度，提取所述原始图像中包含有所述目标识别信息的环形区域图像；将所述环形区域图像转换为以所述圆心为原点以所述极轴为坐标轴的直角坐标系的矩形区域图像。5.根据权利要求1所述的方法，其特征在于，所述通过预设级联光学字符识别...

【专利技术属性】
技术研发人员：陈云龙，
申请(专利权)人：苏州思萃人工智能研究所有限公司，
类型：发明
国别省市：