[发明专利]一种玻片样本信息的自动识别方法、装置和计算机设备

权利要求书

1.一种玻片样本信息的自动识别方法，其特征在于，包括：

获取玻片样本的预览图像；

将所述预览图像输入训练好的玻片样本信息识别模型中，获得玻片样本信息；所述玻片样本信息包括预扫描区域的类别和位置信息、玻片样本标识的类别和位置信息；所述预扫描区域的类别包括液基细胞和组织切片，所述预扫描区域的位置信息为液基细胞和组织切片包围框的坐标值及置信度；所述玻片样本标识的类别包括二维码标识、一维条形码标识和字符标识，所述玻片样本标识的位置信息为二维码标识、一维条形码标识和字符标识包围框的坐标值及置信度；

利用训练好的空间密度检测网络对所述预扫描区域进行检测，获得预扫描区域的空间密度图，以所述空间密度图为模板对所述预扫描区域进行处理，获得玻片样本的扫描区域；所述空间密度检测网络以全卷积回归网络为基础进行构建，依次包括5个卷积单元、1个1×1的卷积层和5个反卷积单元；每个所述卷积单元包括卷积层、ReLU非线性映射以及最大池化层；每个所述反卷积单元包括上采样层、ReLU非线性映射以及卷积层，所述上采样层利用双线性插值对输入的特征图进行升维处理；

利用ZBAR算法或者训练好的字符识别模型对所述玻片样本标识进行识别，获得玻片样本的标识信息。

2.如权利要求1所述的玻片样本信息的自动识别方法，其特征在于，所述玻片样本信息识别模型以YOLO模型为基础进行构建，包括卷积单元、分类及包围框回归单元；

所述卷积单元包括一系列的卷积层和最大池化层，每个卷积层都采用Leaky ReLU函数进行非线性映射，所述卷积单元用于提取输入图像的高维特征；

所述分类及包围框回归单元依次包括1×1的卷积层、平均池化层以及Softmax分类层，用于获取卷积单元输出的高维特征中包含目标的位置信息及类别；所述目标包括液基细胞、组织切片、二维码标识、一维条形码标识和字符标识。

3.如权利要求1所述的玻片样本信息的自动识别方法，其特征在于，所述空间密度检测网络中所有卷积层采用的卷积核大小为3×3，输出空间密度图的大小和输入的预扫描区域的大小相同。

4.如权利要求1所述的玻片样本信息的自动识别方法，其特征在于，利用ZBAR算法或者训练好的字符识别模型对所述玻片样本标识进行识别，获得玻片样本的标识信息，包括：

当玻片样本信息识别模型输出的玻片样本标识的类别为二维码标识或一维条形码标识时，利用ZBAR算法对二维码标识或一维条形码标识进行解码，获得玻片样本的标识信息；

当玻片样本信息识别模型输出的玻片样本标识的类别为字符标识时，利用训练好的字符识别模型对字符标识进行识别，获得玻片样本的标识信息。

5.如权利要求1或4所述的玻片样本信息的自动识别方法，其特征在于，所述字符识别模型依次包括卷积单元、递归单元和翻译单元；

所述卷积单元包括一系列的卷积池化层，用于从输入的图像中提取特征序列；

所述递归单元采用双向循环神经网络结构，用于对卷积单元输出的特征序列中的每个特征进行预测，输出每个特征在所有字符集中的分类概率；

所述翻译单元用于将递归单元输出的分类概率翻译为后验概率最大的字符串，并对所述字符串进行后处理，合并重复的字符，输出玻片样本的标识信息。