CN108597566A - 基于人脸识别的移动电子病历系统及实现方法 - Google Patents

Abstract

本发明公开了一种基于人脸识别的移动电子病历系统及实现方法，其中基于人脸识别的移动电子病历系统包括便携式身份信息采集装置、人脸识别服务器和移动病历服务装置；便携式身份信息采集装置包括图像采集模块，人脸识别服务器包括人脸识别训练模块、服务器管理模块、推理模块、匹配模块和移动病历数据库；所述人脸识别训练模块用于通过深度学习卷积网络产生人脸检测模型参数；所述移动病历服务装置包括显示模块，所述显示模块用于显示患者的病历信息本发明基于人脸识别的移动电子病历系统可在非办公区域查看患者的完整病历，从而达到了人脸识别与移动电子病历的良好匹配，医务人员只需通过简单的操作，即可达到面对面就诊，使用方便。

Description

基于人脸识别的移动电子病历系统及实现方法

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于人脸识别的移动电子病历系统及实现方法。

背景技术

人工智能，它是研究、开发、延伸和扩展人类智慧的理论，最大的特点就是像人一样思考问题。随着科学技术的飞速发展，人工智能的理论和技术日渐成熟，应用领域不断扩大，其主要的研究包括机器人、语言识别、图像识别、自然语言处理等方向。人脸识别作为图像识别的一个分支，目前发展迅速，效果良好，其应用领域更是在司法刑侦、自助服务、门禁考勤取得不错的成效。而在医疗领域大多进行患者病理图像分析，可靠性有待商榷。

随着移动医疗的快速发展，电子病历逐渐取代了纸质病历，医务人员迫切希望能够在病人面对面通过终端设备查看病人的电子病历信息，以提高就诊效率并使护士人员查房时不需携带大量纸质病历材料获取更准确更安全的病历信息。但是现有的病历服务系统大多只存在于医务人员的PC机上，需要医生询问患者信息才能调出过往病历，进行诊断，而且完整病历必须要到办公室才能查看。

发明内容

本发明的目的是提供一种基于人脸识别的移动电子病历系统，在医生和患者见面的过程中无需询问患者就可查看到患者的完整病历，摆脱了只能在办公室查看病历的束缚。

为了实现上述目的，本发明公开了一种基于人脸识别的移动电子病历系统，包括：便携式身份信息采集装置，其用于采集患者身份信息，包括图像采集模块，所述图像采集模块用于采集患者的图像信息；

人脸识别服务器，其包括人脸识别训练模块、服务器管理模块、推理模块、匹配模块和移动病历数据库；

移动病历服务装置；

所述移动病历数据库用于存放患者的图像信息和身份信息；

所述人脸识别训练模块用于通过深度学习卷积网络产生人脸检测模型参数；

所述服务器管理模块，其与所述便携式身份信息采集装置和所述人脸识别训练模块电性连接，用于管理接收所述便携式身份信息采集装置采集的患者身份信息，并保存所述人脸检测模型参数；

所述推理模块，其与所述服务器管理模块电性连接，用于根据所述人脸检测模型参数识别出所述图像采集模块所采集的图像信息中的人脸区域；

所述匹配模块，其与所述推理模块和所述人脸病历数据库电性连接，用于将所述推理模块输出的人脸区域和所述移动病历数据库中预存的患者的人脸图片进行高维度特征提取并进行一一比对，以在所述移动病历数据库中找到对应的人脸；

所述移动病历服务装置与所述匹配模块无线连接，其包括显示模块，所述显示模块用于显示所述匹配模块匹配到的患者的病历信息

与现有技术相比，本发明基于人脸识别的移动电子病历系统采用便携式身份信息采集装置采集患者的图像等身份信息，通过人工智能应用中的深度学习卷积网络模型训练学习人脸检测模型参数，采用人脸检测模型参数从患者图像信息中框定出人脸区域，然后将框定出的人脸图像与移动病历数据库中预存的患者图像进行一一比对，直至匹配出患者的图像信息，任何即可在移动病历服务装置上显示出该患者的完整病历，从而达到了人脸识别与移动电子病历的良好匹配，医务人员只需通过简单的操作，即可达到面对面就诊，在病房内即可轻松访问患者完整病历信息，带来了极大的便携性、准确性。

较佳地，所述便携式身份信息采集装置还包括OCR采集模块，所述OCR采集模块用于运用OCR转换技术采集患者身份证信息，以用于所述显示模块显示患者病历信息的身份验证。

较佳地，所述便携式身份信息采集装置还包括与所述图像采集模块和所述OCR采集模块电性连接的数据预处理模块，所述数据预处理模块用于对所述图像采集模块和所述OCR采集模块采集的数据进行降噪处理。

较佳地，所述移动病历服务装置还包括指纹识别模块，所述指纹识别模块用于检测具有医师资格身份的医师的指纹，以用于所述显示模块显示患者病历信息的身份验证。

较佳地，所述人脸识别服务器、所述移动病历数据库和所述移动病历服务装置之间采用无线局网络连接。

本发明还公开了一种基于人脸识别的移动电子病历实现方法，包括如下步骤：

S1)、人脸识别服务器的识别训练；将获取到的人脸数据集放入在基于深度学习卷积网络模型的人脸识别服务器中进行训练，以获得人脸检测模型参数；

S2)、患者身份信息的采集；采用便携式身份信息采集装置采集患者图像信息，将采集到的图像信息传输至所述人脸识别服务器；

S3)、检测人脸图像区域；使用步骤S1中训练好的所述人脸检测参数模型在步骤S2中的患者图像信息中检测出人脸图像区域；

S4)、匹配患者图像；使用1：N人脸匹配方法，将步骤S3中检测出的人脸图像与移动病历数据库中预存的人脸图像提取高维特征进行1：N的人脸匹配；

S5)、病历展示；匹配到移动病历数据库中的患者图像信息后，将提取患者病历信息，并显示在移动病历服务装置上。

较佳地，所述基于人脸识别的移动电子病历实现方法还包括患者身份验证的步骤；当匹配到患者的图像信息后，使用便携式身份信息采集装置采集患者的身份证信息，身份通过后方可在所述移动病历服务装置上显示患者病历。

较佳地，所述基于人脸识别的移动电子病历实现方法还包括医师身份验证的步骤；当匹配到患者的图像信息后，验证查看患者病历的合法医师资格身份，验证通过后方可在所述移动病历服务装置上显示患者病历。

较佳地，采用指纹识别器验证合法医师资格身份。

较佳地，所述人脸识别服务器的识别训练包括如下步骤：

S11)、将所述人脸数据集中的图片输入到RPN网络中，输出多尺度定位框和定位框的概率值；

S12)、对步骤S11中的的定位框采用非极大值抑制(nms)算法，依据概率从高到低选取256个候选人脸区域的定位框；

S13)、将步骤S11的数据集图片和步骤S12中的256个候选框输入到Fast R-CNN目标检测网络，共享RPN网络的卷积层，得到256个候选区域的人脸区域定位框的特征图；

S14)、将步骤S13中的256个候选人脸区域定位框的特征图依次经过ROI pooling层，得到统一尺寸的特征图；

S15)、将步骤S14的尺寸一致的256个特征图进行分类，输出人脸区域坐标和概率值；

S16)、输出损失函数值，利用随机梯度下降(SGD)和反向传播(BP)最小化损失函数，不断更新保存人脸检测模型参数；

S17)、上述步骤S11-S16循环工作，直至输出最优的人脸检测模型参数。

附图说明

图1为本发明实施例基于人脸识别的移动电子病历系统的系统架构示意图。

图2为本发明实施例基于人脸识别的移动电子病历系统的系统架的实施流程图。

图3为为本发明实施例基于人脸识别的移动电子病历系统的人脸识别服务器的训练流程图。

具体实施方式

为详细说明本发明的技术内容、结构特征、实现原理及所实现目的及效果，以下结合实施方式并配合附图详予说明。

本发明公开了一种基于人脸识别的移动电子病历系统，如图1所示，包括便携式身份信息采集装置、人脸识别服务器和移动病历服务装置。所述便携式身份信息采集装置用于采集患者身份信息，包括图像采集模块，所述图像采集模块用于采集患者的图像信息。所述人脸识别服务器包括人脸识别训练模块、服务器管理模块、推理模块、匹配模块和移动病历数据库。所述移动病历数据库用于存放患者的图像信息和身份信息，所述人脸识别训练模块用于通过深度学习卷积网络产生人脸检测模型参数，所述服务器管理模块与所述便携式身份信息采集装置和所述人脸识别训练模块电性连接，用于管理接收所述便携式身份信息采集装置采集的患者身份信息，并保存所述人脸检测模型参数。所述推理模块与所述服务器管理模块电性连接，用于根据所述人脸检测模型参数识别出所述图像采集模块所采集的图像信息中的人脸区域。所述匹配模块与所述推理模块和所述人脸病历数据库电性连接，用于将所述推理模块输出的人脸区域和所述移动病历数据库中预存的患者的人脸图片进行高维度特征提取并进行一一比对，以在所述移动病历数据库中找到对应的人脸。所述移动病历服务装置与所述匹配模块无线连接，所述移动病历服务装置包括显示模块，所述显示模块用于显示所述匹配模块匹配到的患者的病历信息。

上述基于人脸识别的移动电子病历系统的工程过程为：请结合参阅图2，当医生在非办公区域与患者面对面时，采用随身携带的便携式身份信息采集装置采集患者的图像信息，并将采集到的图像信息通过网络传输至人脸识别服务器的服务器管理模块，服务器管理模块接收并存储上述图像信息，然后推理模块调用人脸训练检测模块训练成熟的人脸检测模型参数，采用该人脸检测模型参数从上述患者的图像信息中框定出人脸图像区域，然后利用匹配模块，采用1：N人脸匹配方法，将推理模块输出的人脸图像和移动病历数据库中预存的患者的人脸图片进行高维度特征提取并进行一一比对，以在所述移动病历数据库中找到对应的人脸，找到对应的患者信息后，通过随身携带的移动病历服务装置上的显示模块显示出来，以供医生查阅，从而解决了以往只能在办公室输入患者名称、身份证等信息才能查看完整病历的问题，快速方便。较佳地，本实施例中，所述人脸识别服务器、所述移动病历数据库和所述移动病历服务装置之间采用无线局网络连接。

为了有效保证本发明基于人脸识别的移动电子病历系统的识别精度和速度，人脸识别服务器的训练方法至关重要，本实施例中，请结合参阅图3，人脸识别服务器的识别训练包括如下步骤：

S11)、将所述人脸数据集中的图片输入到RPN网络中，输出多尺度定位框和定位框的概率值；

S12)、对步骤S11中的的定位框采用非极大值抑制(nms)算法，依据概率从高到低选取256个候选人脸区域的定位框；

S13)、将步骤S11的数据集图片和步骤S12中的256个候选框输入到Fast R-CNN目标检测网络，共享RPN网络的卷积层，得到256个候选区域的人脸区域定位框的特征图；

S14)、将步骤S13中的256个候选人脸区域定位框的特征图依次经过ROI pooling层，得到统一尺寸的特征图；

S15)、将步骤S14的尺寸一致的256个特征图进行分类，输出人脸区域坐标和概率值；

S16)、输出损失函数值，利用随机梯度下降(SGD)和反向传播(BP)最小化损失函数，不断更新保存人脸检测模型参数；

S17)、上述步骤S11-S16循环工作，直至输出最优的人脸检测模型参数。

通过上述训练步骤，从而有效保证本发明人脸识别服务器输出人脸检测模型参数的精度和速度。

另外，为了确保本发明基于人脸识别的移动电子病历系统使用过程的安全性，切实保障患者的隐私，本实施例分别从以下两个方面加以改善。其一是，在便携式身份信息采集装置上增设OCR采集模块，利用OCR转换技术采集患者身份证信息，以用于所述显示模块显示患者病历信息的身份验证。在患者的图像信息被匹配到后，只有通过OCR采集模块进行身份验证通过才能在显示模块上看到患者病历，否则将无法查阅。另外，为了确保患者的图像信息和身份证信息的无损传输，本实施例中，所述便携式身份信息采集装置上还设置有所述图像采集模块和所述OCR采集模块电性连接的数据预处理模块，所述数据预处理模块用于对所述图像采集模块和所述OCR采集模块采集的数据进行降噪处理，进行降噪处理后输出至服务器管理模块。其二是，在移动病历服务装置上还设置指纹识别模块，所述指纹识别模块用于检测具有医师资格身份的医师的指纹，以用于所述显示模块显示患者病历信息的身份验证。预先在动病历服务装置上录入所有具有医师资格的医生的指纹信息，在匹配模块匹配到患者的图像信息后，只有通过指纹确认合格后才能正常显示患者病历。通过分别从患者和医生两方的身份验证把关，确保了本发明基于人脸识别的移动电子病历系统使用的安全形，而且有效不会被人随意查阅患者病历，保护了病人的隐私。

以上所揭露的仅为本发明的较佳实例而已，当然不能以此来限定本发明之权利范围，因此依本发明申请专利范围所作的等同变化，仍属于本发明所涵盖的范围。

Claims (10)

1.一种基于人脸识别的移动电子病历系统，其特征在于，包括：

便携式身份信息采集装置，其用于采集患者身份信息，包括图像采集模块，所述图像采集模块用于采集患者的图像信息；

人脸识别服务器，其包括人脸识别训练模块、服务器管理模块、推理模块、匹配模块和移动病历数据库；

移动病历服务装置；

所述移动病历数据库用于存放患者的图像信息和身份信息；

所述人脸识别训练模块用于通过深度学习卷积网络产生人脸检测模型参数；

所述服务器管理模块，其与所述便携式身份信息采集装置和所述人脸识别训练模块电性连接，用于管理接收所述便携式身份信息采集装置采集的患者身份信息，并保存所述人脸检测模型参数；

所述推理模块，其与所述服务器管理模块电性连接，用于根据所述人脸检测模型参数识别出所述图像采集模块所采集的图像信息中的人脸区域；

所述匹配模块，其与所述推理模块和所述人脸病历数据库电性连接，用于将所述推理模块输出的人脸区域和所述移动病历数据库中预存的患者的人脸图片进行高维度特征提取并进行一一比对，以在所述移动病历数据库中找到对应的人脸；

所述移动病历服务装置与所述匹配模块无线连接，其包括显示模块，所述显示模块用于显示所述匹配模块匹配到的患者的病历信息。

2.根据权利要求1所述的基于人脸识别的移动电子病历系统，其特征在于，所述便携式身份信息采集装置还包括OCR采集模块，所述OCR采集模块用于运用OCR转换技术采集患者身份证信息，以用于所述显示模块显示患者病历信息的身份验证。

3.根据权利要求2所述的基于人脸识别的移动电子病历系统，其特征在于，所述便携式身份信息采集装置还包括与所述图像采集模块和所述OCR采集模块电性连接的数据预处理模块，所述数据预处理模块用于对所述图像采集模块和所述OCR采集模块采集的数据进行降噪处理。

4.根据权利要求2所述的基于人脸识别的移动电子病历系统，其特征在于，所述移动病历服务装置还包括指纹识别模块，所述指纹识别模块用于检测具有医师资格身份的医师的指纹，以用于所述显示模块显示患者病历信息的身份验证。

5.根据权利要求1所述的基于人脸识别的移动电子病历系统，其特征在于，所述人脸识别服务器、所述移动病历数据库和所述移动病历服务装置之间采用无线局网络连接。

6.一种基于人脸识别的移动电子病历实现方法，其特征在于，包括如下步骤：

S1)、人脸识别服务器的识别训练；将获取到的人脸数据集放入在基于深度学习卷积网络模型的人脸识别服务器中进行训练，以获得人脸检测模型参数；

S2)、患者身份信息的采集；采用便携式身份信息采集装置采集患者图像信息，将采集到的图像信息传输至所述人脸识别服务器；

S3)、检测人脸图像区域；使用步骤S1中训练好的所述人脸检测参数模型在步骤S2中的患者图像信息中检测出人脸图像区域；

S4)、匹配患者图像；使用1：N人脸匹配方法，将步骤S3中检测出的人脸图像与移动病历数据库中预存的人脸图像提取高维特征进行1：N的人脸匹配；

S5)、病历展示；匹配到移动病历数据库中的患者图像信息后，将提取患者病历信息，并显示在移动病历服务装置上。

7.根据权利要求6所述的基于人脸识别的移动电子病历实现方法，其特征在于，还包括患者身份验证的步骤；当匹配到患者的图像信息后，使用便携式身份信息采集装置采集患者的身份证信息，身份通过后方可在所述移动病历服务装置上显示患者病历。

8.根据权利要求7所述的基于人脸识别的移动电子病历实现方法，其特征在于，还包括医师身份验证的步骤；当匹配到患者的图像信息后，验证查看患者病历的合法医师资格身份，验证通过后方可在所述移动病历服务装置上显示患者病历。

9.根据权利要求8所述的基于人脸识别的移动电子病历实现方法，其特征在于，采用指纹识别器验证合法医师资格身份。

10.根据权利要求6所述的基于人脸识别的移动电子病历实现方法，其特征在于，所述人脸识别服务器的识别训练包括如下步骤：

S11)、将所述人脸数据集中的图片输入到RPN网络中，输出多尺度定位框和定位框的概率值；

S12)、对步骤S11中的的定位框采用非极大值抑制(nms)算法，依据概率从高到低选取256个候选人脸区域的定位框；

S13)、将步骤S11的数据集图片和步骤S12中的256个候选框输入到Fast R-CNN目标检测网络，共享RPN网络的卷积层，得到256个候选区域的人脸区域定位框的特征图；

S14)、将步骤S13中的256个候选人脸区域定位框的特征图依次经过ROI pooling层，得到统一尺寸的特征图；

S15)、将步骤S14的尺寸一致的256个特征图进行分类，输出人脸区域坐标和概率值；

S16)、输出损失函数值，利用随机梯度下降(SGD)和反向传播(BP)最小化损失函数，不断更新保存人脸检测模型参数；

S17)、上述步骤S11-S16循环工作，直至输出最优的人脸检测模型参数。