CN111081340B - 一种用于远程检测电子处方信息是否完整的方法 - Google Patents
一种用于远程检测电子处方信息是否完整的方法 Download PDFInfo
- Publication number
- CN111081340B CN111081340B CN201911228707.7A CN201911228707A CN111081340B CN 111081340 B CN111081340 B CN 111081340B CN 201911228707 A CN201911228707 A CN 201911228707A CN 111081340 B CN111081340 B CN 111081340B
- Authority
- CN
- China
- Prior art keywords
- image
- current
- information
- initial
- electronic prescription
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 238000001514 detection method Methods 0.000 claims description 16
- 238000013139 quantization Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 abstract description 5
- 230000010365 information processing Effects 0.000 abstract description 2
- 238000012550 audit Methods 0.000 abstract 1
- 239000003814 drug Substances 0.000 description 5
- 229940079593 drug Drugs 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000010800 human waste Substances 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Medicinal Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Chemical & Material Sciences (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明属于图像信息处理领域，公开了一种用于远程检测电子处方信息是否完整的方法。本发明包括：获取当前电子处方的待检测图像并进行预处理，得到初始图像；获取对应的处方模板信息及多个初始要素区域图像；遍历所有初始像素区域图像，判断每个初始要素区域图像中的图像要素是否均完整，如是则当前电子处方检测通过信息，如否则判断当前初始图像的风险度是否不小于风险度阈值，如是则当前电子处方检测通过信息，如否当前电子处方没有通过信息完整性的检测。本发明实现了在执业药剂师进行电子处方审核前即可筛除信息不完整的电子处方的目的，降低了执业药剂师不必要的工作强度，避免人工筛查造成的遗漏及错误，使电子处方的信息完整检测更加准确。
Description
技术领域
本发明属于图像信息处理领域，具体涉及一种用于远程检测电子处方信息是否完整的方法。
背景技术
随着现代互联网远程问诊的广泛应用，病人问诊流程大致可以简化为：病人到药店的远程问诊机器面前通过语音或视频描述病情，医生远程问诊获得病情的症状及病情的严重程度，医生依据医学相关知识确定病因得到初步诊断从而获知疾病类型，然后医生根据症状和疾病类型对症下药，从药品数据库中选择对应的药品形成处方，而后处方由系统发给医师进行处方审核，医师根据处方的用药搭配，患者信息描述、初步诊断，药品剂量等完成处方审核。
通过远程电子问诊和电子处方开具可以大大节约病人看病时间，而开具的电子处方经过药剂师的远程电子审核可以大大节约药剂师资源。一名执业药剂师可以同时为20家药店服务，解决了药剂师不足的现状，大大节约了药店成本，药店乐意合作，同时也减少了各药店因为药剂师不足而造成的违法挂靠问题。
在实现本发明的过程中，发明人发现现有技术中至少存在如下问题：
1)面对几千万张电子处方，执业药剂师的工作量和工作强度过大，且人工审核易出现遗漏或错误；
2)很多信息不完整的电子处方占用了执业药剂师过多的时间，造成了不必要的人力浪费。
发明内容
本发明旨在于至少在一定程度上解决上述技术问题之一。
为此，本发明目的在于提供一种用于远程检测电子处方信息是否完整的方法，能够使得在执业药剂师处理前，筛除一部分信息不完整的电子处方，避免信息不完整的电子处方占用了执业药剂师过多的时间，大大提高了执业药剂师的工作效率。
本发明所采用的技术方案为：
一种用于远程检测电子处方信息是否完整的方法，包括以下步骤：
获取当前电子处方的待检测图像，对当前待检测图像进行预处理，得到初始图像；
根据当前初始图像获取对应的处方模板信息；
根据当前处方模板信息得到多个初始要素区域图像；
遍历所有初始像素区域图像，判断每个初始要素区域图像中的图像要素是否均完整，如是，则当前初始图像为信息完整的电子处方图像，当前电子处方通过信息完整性的检测，如否，则计算当前初始图像的风险度；
判断当前初始图像的风险度是否不小于风险度阈值，如是，则当前初始图像为信息完整的电子处方图像，当前电子处方通过信息完整性的检测，如否，则当前初始图像为信息不完整的电子处方图像，当前电子处方没有通过信息完整性的检测。
作为优选，对当前待检测图像进行预处理时，具体步骤如下：
判断当前待检测图像是否为灰度图像，如是，则将当前待检测图像作为初始图像，如否，则将当前待检测图像转换为待检测灰度图像，然后将当前待检测灰度图像作为初始图像。
作为优选，根据当前处方模板信息得到多个初始要素区域图像时，具体步骤如下：
根据当前处方模板信息确定要素区域位置信息；
根据要素区域位置信息对当前初始图像进行裁剪，得到多个初始要素区域图像P[i,j](i＝1,2,...,W1，j＝1,2,...,H1)，其中，i,j均为变量，i为任一初始要素区域图像中某点的横坐标位置，j表示任一初始要素区域图像中某点的纵坐标位置，W1为初始要素区域图像的宽度，H1为初始要素区域图像的高度。
作为优选，判断每个初始要素区域图像中的图像要素是否均完整时，具体步骤如下：
对所有初始要素区域进行二值化处理，得到多个要素区域二值图像D[m,n](m＝1,2,...,W2，n＝1,2,...,H2)，其中，m,n均为变量，m为任一要素区域二值图像中某点的横坐标位置，n表示任一要素区域二值图像中某点的纵坐标位置，W2为要素区域二值图像的宽度，H2为初始要素区域二值图像的高度；
判断每个要素区域二值图像的完整度是否均大于完整度阈值，如是，则当前初始图像为信息完整的电子处方图像，当前电子处方通过信息完整性的检测，如否，则计算当前初始图像的风险度；
其中，每个要素区域二值图像的完整度X具体如下：
式中，C为对应的要素区域二值图像中白点的数量，S为对应的要素区域二值图像的面积。
作为优选，要素区域二值图像中白点的数量C及对应的要素区域二值图像的面积S的计算方式具体如下：
S＝W2*H2，
式中，
作为优选，完整度阈值的取值为0.1。
作为优选，计算当前初始图像的风险度时，具体如下：
式中，f(x)为当前初始图像的风险度量化值，x表示第x张处方；k为变量，k表示第k个风险要素信息；N表示当前初始图像对应的处方模板信息中风险要素信息有N项；wk表示当前初始图像对应的处方模板信息中第k个风险要素信息的权值，且当第k个风险要素信息对应的初始要素区域图像的完整度X大于完整度阈值时，xk的取值为1；当第k个风险要素信息对应的初始要素区域图像的完整度X不大于完整度阈值时，xk的取值为0；
其中，g(y)为分段函数，公式如下：
其中，th1为阈值。
作为优选，判断当前待检测图像的风险度是否不大于风险度阈值时，具体如下：
当f(x)≥th2时，当前初始图像为信息完整的电子处方图像；
当f(x)＜th2时，当前初始图像为信息不完整的电子处方图像；
其中，th2为风险度阈值。
本发明的有益效果为：
通过对电子处方的图像进行处理及识别，实现了在执业药剂师进行电子处方审核前即可筛除信息不完整的电子处方的目的，由此降低了执业药剂师不必要的工作强度，同时避免人工筛查电子处方信息是否完整造成的遗漏及错误，使得电子处方的信息完整检测更加准确，实用性极高，适于推广使用。
本发明的其他有益效果将在具体实施方式中详细说明。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是实施例1的流程框图。
具体实施方式
下面结合附图及具体实施例来对本发明作进一步阐述。在此需要说明的是，对于这些实施例方式的说明虽然是用于帮助理解本发明，但并不构成对本发明的限定。本发明公开的功能细节仅用于描述本发明的示例实施例。然而，可用很多备选的形式来体现本发明，并且不应当理解为本发明限制在本发明阐述的实施例中。
应当理解，本发明使用的术语仅用于描述特定实施例，并不意在限制本发明的示例实施例。若术语“包括”、“包括了”、“包含”和/或“包含了”在本发明中被使用时，指定所声明的特征、整数、步骤、操作、单元和/或组件的存在性，并且不排除一个或多个其他特征、数量、步骤、操作、单元、组件和/或他们的组合存在性或增加。
应当理解，还应当注意到在一些备选实施例中，所出现的功能/动作可能与附图出现的顺序不同。例如，取决于所涉及的功能/动作，实际上可以实质上并发地执行，或者有时可以以相反的顺序来执行连续示出的两个图。
应当理解，在下面的描述中提供了特定的细节，以便于对示例实施例的完全理解。然而，本领域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。例如可以在框图中示出系统，以避免用不必要的细节来使得示例不清楚。在其他实例中，可以不以不必要的细节来示出众所周知的过程、结构和技术，以避免使得示例实施例不清楚。
实施例1：
如图1所示，本实施例提供一种用于远程检测电子处方信息是否完整的方法，包括以下步骤：
获取当前电子处方的待检测图像，对当前待检测图像进行预处理，得到初始图像；
根据当前初始图像获取对应的处方模板信息；
根据当前处方模板信息得到多个初始要素区域图像；
遍历所有初始像素区域图像，判断每个初始要素区域图像中的图像要素是否均完整，如是，则当前初始图像为信息完整的电子处方图像，当前电子处方通过信息完整性的检测，如否，则计算当前初始图像的风险度；
判断当前初始图像的风险度是否不小于风险度阈值，如是，则当前初始图像为信息完整的电子处方图像，当前电子处方通过信息完整性的检测，如否，则当前初始图像为信息不完整的电子处方图像，当前电子处方没有通过信息完整性的检测。
当所有初始要素区域图像中的图像要素不是均完整时，需要对当前电子项进行风险度量；当风险度不小于风险度阈值时认为当前电子处方的完整性检测通过；当风险度大于风险度阈值时认为当前电子处方的完整性检测不通过。
当前电子处方通过信息完整性的检测后，将当前电子处方的图像传送至执业药剂师的账号中，实现无缝对接；当前电子处方没有通过信息完整性的检测后，将当前电子处方退回至开具的医生的账号中，退回要求补全处方信息，促使各个节点处理更加及时。
实施例2
本实施例提供的技术方案是在实施例1的技术方案基础上作出的进一步改进，本实施例与实施例1的区别技术特征在于：
本实施例中，对当前待检测图像进行预处理时，具体步骤如下：
判断当前待检测图像是否为灰度图像，如是，则将当前待检测图像作为初始图像，如否，则将当前待检测图像转换为待检测灰度图像，然后将当前待检测灰度图像作为初始图像。
实施例3
本实施例提供的技术方案是在实施例2的技术方案基础上作出的进一步改进，本实施例与实施例2的区别技术特征在于：
本实施例中，根据当前处方模板信息得到多个初始要素区域图像时，具体步骤如下：
根据当前处方模板信息确定要素区域位置信息；
根据要素区域位置信息对当前初始图像进行裁剪，得到多个初始要素区域图像P[i,j](i＝1,2,...,W1，j＝1,2,...,H1)，其中，i,j均为变量，i为任一初始要素区域图像中某点的横坐标位置，j表示任一初始要素区域图像中某点的纵坐标位置，W1为初始要素区域图像的宽度，H1为初始要素区域图像的高度。
实施例4
本实施例提供的技术方案是在实施例3的技术方案基础上作出的进一步改进，本实施例与实施例3的区别技术特征在于：
本实施例中，判断每个初始要素区域图像中的图像要素是否均完整时，具体步骤如下：
对所有初始要素区域进行二值化处理，得到多个要素区域二值图像D[m,n](m＝1,2,...,W2，n＝1,2,...,H2)，其中，m,n均为变量，m为任一要素区域二值图像中某点的横坐标位置，n表示任一要素区域二值图像中某点的纵坐标位置，W2为要素区域二值图像的宽度，H2为初始要素区域二值图像的高度；
判断每个要素区域二值图像的完整度是否均大于完整度阈值，如是，则当前初始图像为信息完整的电子处方图像，当前电子处方通过信息完整性的检测，如否，则计算当前初始图像的风险度；
其中，每个要素区域二值图像的完整度X具体如下：
式中，C为对应的要素区域二值图像中白点的数量，S为对应的要素区域二值图像的面积；其中，白点表示填写了内容的区域，黑点表示未填写内容的区域，当白点数量超过一定比例时，判定该区域为已填写信息。
作为其中一种优选的实施方式，要素区域二值图像中白点的数量C及对应的要素区域二值图像的面积S的计算方式具体如下：
S＝W2*H2，
式中，
本实施例中，完整度阈值的取值为0.1。
实施例5
本实施例提供的技术方案是在实施例4的技术方案基础上作出的进一步改进，本实施例与实施例4的区别技术特征在于：
本实施例中，计算当前初始图像的风险度时，具体如下：
式中，f(x)为当前初始图像的风险度量化值，x表示第x张处方；k为变量，k表示第k个风险要素信息；N表示当前初始图像对应的处方模板信息中风险要素信息有N项；wk表示当前初始图像对应的处方模板信息中第k个风险要素信息的权值，且当第k个风险要素信息对应的初始要素区域图像的完整度X大于完整度阈值时，xk的取值为1；当第k个风险要素信息对应的初始要素区域图像的完整度X不大于完整度阈值时，xk的取值为0；
其中，g(y)为分段函数，公式如下：
其中，th1为阈值。
实施例6
本实施例提供的技术方案是在实施例5的技术方案基础上作出的进一步改进，本实施例与实施例5的区别技术特征在于：
本实施例中，判断当前待检测图像的风险度是否不大于风险度阈值时，具体如下：
当f(x)≥th2时，当前初始图像为信息完整的电子处方图像；
当f(x)＜th2时，当前初始图像为信息不完整的电子处方图像；
其中，th2为风险度阈值。
本实施例中，风险度阈值的取值为0.9。
以上所描述的实施例仅仅是示意性的，若涉及到作为分离部件说明的单元，其可以是或者也可以不是物理上分开的；若涉及到作为单元显示的部件，其可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
本发明不局限于上述可选的实施方式，任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制，本发明的保护范围应当以权利要求书中界定的为准，并且说明书可以用于解释权利要求书。
Claims (3)
1.一种用于远程检测电子处方信息是否完整的方法，其特征在于：包括以下步骤：
获取当前电子处方的待检测图像，对当前待检测图像进行预处理，得到初始图像；
根据当前初始图像获取对应的处方模板信息；
根据当前处方模板信息得到多个初始要素区域图像；
遍历所有初始像素区域图像，判断每个初始要素区域图像中的图像要素是否均完整，如是，则当前初始图像为信息完整的电子处方图像，当前电子处方通过信息完整性的检测，如否，则计算当前初始图像的风险度；
判断当前初始图像的风险度是否不小于风险度阈值，如是，则当前初始图像为信息完整的电子处方图像，当前电子处方通过信息完整性的检测，如否，则当前初始图像为信息不完整的电子处方图像，当前电子处方没有通过信息完整性的检测；
对当前待检测图像进行预处理时，具体步骤如下：
判断当前待检测图像是否为灰度图像，如是，则将当前待检测图像作为初始图像，如否，则将当前待检测图像转换为待检测灰度图像，然后将当前待检测灰度图像作为初始图像；
根据当前处方模板信息得到多个初始要素区域图像时，具体步骤如下：
根据当前处方模板信息确定要素区域位置信息；
根据要素区域位置信息对当前初始图像进行裁剪，得到多个初始要素区域图像P[i，j](i＝1，2，...，W1，j＝1，2，...，H1)，其中，i，j均为变量，i为任一初始要素区域图像中某点的横坐标位置，j表示任一初始要素区域图像中某点的纵坐标位置，W1为初始要素区域图像的宽度，H1为初始要素区域图像的高度；
判断每个初始要素区域图像中的图像要素是否均完整时，具体步骤如下：
对所有初始要素区域进行二值化处理，得到多个要素区域二值图像D[m，n](m＝1，2，...，W2，n＝1，2，...，H2)，其中，m，n均为变量，m为任一要素区域二值图像中某点的横坐标位置，n表示任一要素区域二值图像中某点的纵坐标位置，W2为要素区域二值图像的宽度，H2为初始要素区域二值图像的高度；
判断每个要素区域二值图像的完整度是否均大于完整度阈值，如是，则当前初始图像为信息完整的电子处方图像，当前电子处方通过信息完整性的检测，如否，则计算当前初始图像的风险度；
其中，每个要素区域二值图像的完整度X具体如下：
式中，C为对应的要素区域二值图像中白点的数量，S为对应的要素区域二值图像的面积；
计算当前初始图像的风险度时，具体如下：
式中，f(x)为当前初始图像的风险度量化值，x表示第x张处方；k为变量，k表示第k个风险要素信息；N表示当前初始图像对应的处方模板信息中风险要素信息有N项；wk表示当前初始图像对应的处方模板信息中第k个风险要素信息的权值，且当第k个风险要素信息对应的初始要素区域图像的完整度X大于完整度阈值时，xk的取值为1；当第k个风险要素信息对应的初始要素区域图像的完整度X不大于完整度阈值时，xk的取值为0；
其中，g(y)为分段函数，公式如下：
式中，th1为阈值；
其中，判断当前待检测图像的风险度是否不大于风险度阈值时，具体如下：
当f(x)≥th2时，当前初始图像为信息完整的电子处方图像；
当f(x)＜th2时，当前初始图像为信息不完整的电子处方图像；
其中，th2为风险度阈值。
2.根据权利要求1所述的用于远程检测电子处方信息是否完整的方法，其特征在于：要素区域二值图像中白点的数量C及对应的要素区域二值图像的面积S的计算方式具体如下：
S＝W2*H2，
式中，
3.根据权利要求1所述的用于远程检测电子处方信息是否完整的方法，其特征在于：完整度阈值的取值为0.1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911228707.7A CN111081340B (zh) | 2019-12-04 | 2019-12-04 | 一种用于远程检测电子处方信息是否完整的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911228707.7A CN111081340B (zh) | 2019-12-04 | 2019-12-04 | 一种用于远程检测电子处方信息是否完整的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111081340A CN111081340A (zh) | 2020-04-28 |
| CN111081340B true CN111081340B (zh) | 2023-11-03 |
Family
ID=70312779
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911228707.7A Active CN111081340B (zh) | 2019-12-04 | 2019-12-04 | 一种用于远程检测电子处方信息是否完整的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111081340B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111768833A (zh) * | 2020-09-01 | 2020-10-13 | 四川骏逸富顿科技有限公司 | 一种处方风险检测方法及其风险检测系统 |
| CN116311327B (zh) * | 2023-05-11 | 2023-08-08 | 四川骏逸富顿科技有限公司 | 处方图像检测方法 |
| CN117227336B (zh) * | 2023-08-16 | 2024-04-16 | 门杜美昊(廊坊)医药科技有限公司 | 一种超声诊断报告打印装置 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5848198A (en) * | 1993-10-08 | 1998-12-08 | Penn; Alan Irvin | Method of and apparatus for analyzing images and deriving binary image representations |
| CN103324361A (zh) * | 2013-06-28 | 2013-09-25 | 广州视睿电子科技有限公司 | 触摸点定位的方法和系统 |
| CN104966348A (zh) * | 2015-06-18 | 2015-10-07 | 辰通智能设备(深圳)有限公司 | 一种票据图像要素完整性检测方法及系统 |
| CN106127930A (zh) * | 2016-06-17 | 2016-11-16 | 深圳怡化电脑股份有限公司 | 一种检测钞票安全线完整性的方法及系统 |
| CN106612385A (zh) * | 2015-10-22 | 2017-05-03 | 株式会社理光 | 视频检测方法和视频检测装置 |
| CN106934922A (zh) * | 2017-03-15 | 2017-07-07 | 深圳怡化电脑股份有限公司 | 一种纸币检测方法及装置 |
| CN107146217A (zh) * | 2017-04-07 | 2017-09-08 | 北京工业大学 | 一种图像检测方法和装置 |
| CN107785060A (zh) * | 2017-03-03 | 2018-03-09 | 平安医疗健康管理股份有限公司 | 医疗处方审核方法及装置 |
| CN107919161A (zh) * | 2017-10-25 | 2018-04-17 | 康美药业股份有限公司 | 一种药方审定的方法、电子设备及存储介质 |
| WO2018086299A1 (zh) * | 2016-11-11 | 2018-05-17 | 广东电网有限责任公司清远供电局 | 基于图像处理的绝缘子缺陷检测方法及系统 |
| WO2018107939A1 (zh) * | 2016-12-14 | 2018-06-21 | 国家海洋局第二海洋研究所 | 一种基于边缘完备度的图像分割最优识别方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120016687A1 (en) * | 2010-07-14 | 2012-01-19 | Surescripts | Method and apparatus for quality control of electronic prescriptions |
| CN106558025B (zh) * | 2015-09-29 | 2021-02-09 | 腾讯科技（深圳）有限公司 | 一种图片的处理方法和装置 |
-
2019
- 2019-12-04 CN CN201911228707.7A patent/CN111081340B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5848198A (en) * | 1993-10-08 | 1998-12-08 | Penn; Alan Irvin | Method of and apparatus for analyzing images and deriving binary image representations |
| CN103324361A (zh) * | 2013-06-28 | 2013-09-25 | 广州视睿电子科技有限公司 | 触摸点定位的方法和系统 |
| CN104966348A (zh) * | 2015-06-18 | 2015-10-07 | 辰通智能设备(深圳)有限公司 | 一种票据图像要素完整性检测方法及系统 |
| CN106612385A (zh) * | 2015-10-22 | 2017-05-03 | 株式会社理光 | 视频检测方法和视频检测装置 |
| CN106127930A (zh) * | 2016-06-17 | 2016-11-16 | 深圳怡化电脑股份有限公司 | 一种检测钞票安全线完整性的方法及系统 |
| WO2018086299A1 (zh) * | 2016-11-11 | 2018-05-17 | 广东电网有限责任公司清远供电局 | 基于图像处理的绝缘子缺陷检测方法及系统 |
| WO2018107939A1 (zh) * | 2016-12-14 | 2018-06-21 | 国家海洋局第二海洋研究所 | 一种基于边缘完备度的图像分割最优识别方法 |
| CN107785060A (zh) * | 2017-03-03 | 2018-03-09 | 平安医疗健康管理股份有限公司 | 医疗处方审核方法及装置 |
| CN106934922A (zh) * | 2017-03-15 | 2017-07-07 | 深圳怡化电脑股份有限公司 | 一种纸币检测方法及装置 |
| CN107146217A (zh) * | 2017-04-07 | 2017-09-08 | 北京工业大学 | 一种图像检测方法和装置 |
| CN107919161A (zh) * | 2017-10-25 | 2018-04-17 | 康美药业股份有限公司 | 一种药方审定的方法、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111081340A (zh) | 2020-04-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111081340B (zh) | 一种用于远程检测电子处方信息是否完整的方法 | |
| CN106709917B (zh) | 神经网络模型训练方法、装置及系统 | |
| CN105184239B (zh) | 基于患者表情识别的病房辅助医护系统及辅助医护方法 | |
| Azzaro et al. | Objective estimation of body condition score by modeling cow body shape from digital images | |
| Banar et al. | Towards fully automated third molar development staging in panoramic radiographs | |
| US10991091B2 (en) | System and method for an automated parsing pipeline for anatomical localization and condition classification | |
| CN112465060A (zh) | 图像中目标物检测方法、装置、电子设备及可读存储介质 | |
| US20230089026A1 (en) | Systems and methods for automated analysis of medical images | |
| Kraatz et al. | Evolutionary morphology of the rabbit skull | |
| CN110689551B (zh) | 四肢骨分割方法、装置、电子设备及可读存储介质 | |
| CN113034406A (zh) | 扭曲文档恢复方法、装置、设备及介质 | |
| Seo et al. | A deep learning algorithm for automated measurement of vertebral body compression from X-ray images | |
| CN111275707A (zh) | 肺炎病灶分割方法和装置 | |
| CN109816721B (zh) | 图像定位方法、装置、设备及存储介质 | |
| CN111476760B (zh) | 医学图像的生成方法、装置、电子设备及介质 | |
| CN111815731A (zh) | 图像处理方法、装置及计算机可读存储介质 | |
| CN115661580A (zh) | 基于卷积神经网络的中药饮片图像识别方法及识别系统 | |
| Meng et al. | An artificial intelligence powered platform for auto-analyses of spine alignment irrespective of image quality with prospective validation | |
| CN114758268A (zh) | 手势识别方法、装置及智能设备 | |
| AU2020219147A1 (en) | Diagnostic imaging for diabetic retinopathy | |
| Zhang et al. | A novel tool to provide predictable alignment data irrespective of source and image quality acquired on mobile phones: what engineers can offer clinicians | |
| CN111128321A (zh) | 信息显示方法及系统、装置、电子设备和可读介质 | |
| Min et al. | Automatic classification of distal radius fracture using a two-stage ensemble deep learning framework | |
| EP1425709A2 (de) | Modellbasierte objektklassifikation und zielerkennung | |
| CN110213457B (zh) | 一种图像传输方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |