[发明专利]图像异常区域浏览方法、装置、移动端设备及存储介质在审

专利信息
申请号: 202110514006.0 申请日: 2021-05-12
公开(公告)号: CN113140292A 公开(公告)日: 2021-07-20
发明(设计)人: 刘美兰 申请(专利权)人: 平安国际智慧城市科技股份有限公司
主分类号: G16H30/40 分类号: G16H30/40;G06F3/0484;G06T7/00
代理公司: 深圳市沃德知识产权代理事务所(普通合伙) 44347 代理人: 高杰;于志光
地址: 518000 广东省深圳市前海深港合*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 异常 区域 浏览 方法 装置 移动 设备 存储 介质
【权利要求书】:

1.一种图像异常区域浏览方法,其特征在于,所述方法应用于移动端,包括:

接收用户上传的病理细胞图像,利用预先训练好的病理分析模型检测所述病理细胞图像的异常区域信息;

根据所述异常区域信息,标记所述病理细胞图像的异常区域,并对所述异常区域进行相对定位,生成目标异常区域;

响应于所述目标异常区域的浏览事件,将所述目标异常区域加载至页面屏幕中心,并对加载后的所述目标异常区域进行缩放操作后展示。

2.如权利要求1所述的图像异常区域浏览方法,其特征在于,所述利用预先训练好的病理分析模型检测所述病理细胞图像的异常区域信息之前,还包括:

获取训练图像以及所述训练图像对应的真实异常区域信息;

利用预构建病理分析模型中的卷积层对所述训练图像进行卷积,得到卷积图像;

利用所述预构建病理分析模型中的池化层对所述卷积图像进行池化;

利用所述预构建病理分析模型中的融合层将所述训练图像的底层特征与池化后的卷积图像进行融合,得到融合图像;

利用预构建病理分析模型中的全连接层输出所述融合图像的检测结果,得到所述训练图像的预测异常区域信息;

计算所述真实异常区域信息与所述预测异常区域信息的损失值;

在所述损失值不满足预设条件时,调整所述预构建病理分析模型的参数,并返回所述利用预构建病理分析模型中的卷积层对所述训练图像进行卷积的步骤;

在所述损失值满足预设条件时,得到训练好的病理分析模型。

3.如权利要求2所述的图像异常区域浏览方法,其特征在于,所述利用预先训练好的病理分析模型检测所述病理细胞图像的异常区域信息,包括:

调用所述病理细胞图像对应病理图像浏览程序的API接口,将所述病理细胞图像传输至所述预先训练好的病理分析模型中,以获取所述预先训练好的病理分析模型对所述病理细胞图像进行异常区域信息检测的结果,得到所述病理细胞图像的异常区域信息。

4.如权利要求1所述的图像异常区域浏览方法,其特征在于,所述根据所述异常区域信息,标记所述病理细胞图像的异常区域,包括:

根据所述异常区域信息的中心点,确定所述病理细胞图像的异常位置序列;

根据所述异常区域信息的高度和宽度,计算所述异常位置序列的外接矩阵的高度和宽度,并将所述外接矩阵的高度和宽度进行连接,得到所述异常位置序列的外接矩阵;

将所述外接矩阵进行颜色标记,生成所述病理细胞图像的异常区域。

5.如权利要求1所述的图像异常区域浏览方法,其特征在于,所述对所述异常区域进行相对定位,生成目标异常区域,包括:

获取所述异常区域的编译环境,在所述编译环境加载所述异常区域的相对定位参数,生成初始目标异常区域;

在所述初始目标异常区域中设置与所述异常区域对应病理细胞图像的同比例缩放参数,得到所述目标异常区域。

6.如权利要求1所述的图像异常区域浏览方法,其特征在于,所述响应于所述目标异常区域的浏览事件,将所述目标异常区域加载至页面屏幕中心,包括:

根据所述浏览事件,获取所述页面屏幕中心的页面中心坐标,及所述目标异常区域在所述页面屏幕中心的区域中心坐标;

计算所述页面中心坐标和区域中心坐标的移动距离;

根据所述移动距离,将所述目标异常区域加载至页面屏幕中心。

7.如权利要求1至6中任意一项所述的图像异常区域浏览方法,其特征在于,所述对加载后的所述目标异常区域进行缩放操作,包括:

根据加载后的所述目标异常区域的浏览事件按钮,记录用户刚触摸所述浏览事件按钮时的第一位置及用户刚离开所述浏览事件按钮时的第二位置;

计算所述第一位置和所述第二位置的缩放范围;

根据所述缩放范围,执行所述目标异常区域的缩放。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安国际智慧城市科技股份有限公司,未经平安国际智慧城市科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110514006.0/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top