CN114443873A - 数据处理方法、装置、服务器及存储介质 - Google Patents
数据处理方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN114443873A CN114443873A CN202111666796.0A CN202111666796A CN114443873A CN 114443873 A CN114443873 A CN 114443873A CN 202111666796 A CN202111666796 A CN 202111666796A CN 114443873 A CN114443873 A CN 114443873A
- Authority
- CN
- China
- Prior art keywords
- matrix
- image
- stored
- medical
- medical slice
- 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.)
- Pending
Links
- 238000003860 storage Methods 0.000 title claims abstract description 44
- 238000003672 processing method Methods 0.000 title claims abstract description 30
- 239000011159 matrix material Substances 0.000 claims abstract description 317
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 32
- 238000001514 detection method Methods 0.000 claims abstract description 25
- 238000004590 computer program Methods 0.000 claims description 21
- 230000004044 response Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 abstract description 22
- 230000000875 corresponding effect Effects 0.000 description 68
- 238000010586 diagram Methods 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000013500 data storage Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002187 spin decoupling employing ultra-broadband-inversion sequences generated via simulated annealing Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请实施例提供了一种数据处理方法、装置、服务器及存储介质,方法包括:通过获取待存储的医疗切片图;对医疗切片图进行特征检测,得到医疗切片图中的特征区域和非特征区域;提取特征区域的图像特征,对特征区域的图像特征转换成待分解矩阵,并将待分解矩阵进行非负矩阵分解,得到值矩阵与键矩阵;将医疗切片图对应的值矩阵与医疗切片图对应的非特征区域的图像进行关联;将值矩阵和键矩阵存储至第一数据库,将非特征区域的图像存储至第二数据库,如此,通过将医疗切片图中的特征区域分解得到值矩阵和键矩阵,将值矩阵和键矩阵,以及非特征区域的数据分别进行存储,可以大大减少数据量,使得在后续读取过程中,能够提高数据的读取速度。
Description
技术领域
本申请涉及数据处理技术领域,具体涉及一种数据处理方法、装置、服务器及存储介质。
背景技术
目前,随着各个行业陆续走向全面自动化,需要将各种数据存储在云端,在医疗服务行业,会通过医疗信息服务平台对医疗诊疗信息等数据进行存储和管理,其中,医疗切片图的数量较多,目前,对将医疗切片图进行存储需要大量的存储空间,且读写速度慢。
发明内容
本申请实施例提供了一种数据处理方法、装置、服务器及存储介质,可大大减少对医疗切片图进行存储的数据量,使得在后续读取过程中,能够提高数据的读取速度。
本申请实施例第一方面提供了一种数据处理方法,所述方法包括:
获取待存储的医疗切片图;
对所述医疗切片图进行特征检测,得到所述医疗切片图中的特征区域和非特征区域;
提取所述特征区域的图像特征,对所述特征区域的图像特征转换成待分解矩阵,并将所述待分解矩阵进行非负矩阵分解,得到值矩阵与键矩阵;
将所述医疗切片图对应的值矩阵与所述医疗切片图对应的非特征区域的图像进行关联;
将所述值矩阵和键矩阵存储至第一数据库,将所述非特征区域的图像存储至第二数据库。
本申请实施例第二方面提供了一种数据处理装置,所述装置包括:
获取单元,用于获取待存储的医疗切片图;
检测单元,用于对所述医疗切片图进行特征检测,得到所述医疗切片图中的特征区域和非特征区域;
矩阵分解单元,用于提取所述特征区域的图像特征,对所述特征区域的图像特征转换成待分解矩阵,并将所述待分解矩阵进行非负矩阵分解,得到值矩阵与键矩阵;
处理单元,用于将所述医疗切片图对应的值矩阵与所述医疗切片图对应的非特征区域的图像进行关联;
本申请第三方面提供了一种服务器,包括:处理器和存储器;以及一个或多个程序,所述一个或多个程序被存储在所述存储器中,并且被配置成由所述处理器执行,所述程序包括用于如第一方面中所描述的部分或全部步骤的指令。
第四方面,本申请实施例提供了一种计算机可读存储介质,其中,所述计算机可读存储介质用于存储计算机程序,其中,所述计算机程序使得计算机执行如本申请实施例第一方面中所描述的部分或全部步骤的指令。
第五方面,本申请实施例提供了一种计算机程序产品,其中,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机程序可操作来使计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
实施本申请实施例,具有如下有益效果:
可以看出,通过本申请实施例所描述的数据处理方法、装置、服务器及存储介质,通过获取待存储的医疗切片图;对医疗切片图进行特征检测,得到医疗切片图中的特征区域和非特征区域;提取特征区域的图像特征,对特征区域的图像特征转换成待分解矩阵,并将待分解矩阵进行非负矩阵分解,得到值矩阵与键矩阵;将医疗切片图对应的值矩阵与医疗切片图对应的非特征区域的图像进行关联;将值矩阵和键矩阵存储至第一数据库,将非特征区域的图像存储至第二数据库,如此,通过将医疗切片图中的特征区域分解得到值矩阵和键矩阵,将值矩阵和键矩阵,以及非特征区域的数据分别进行存储,可以大大减少数据量,使得在后续读取过程中,能够提高数据的读取速度。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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是本申请实施例提供的一种数据处理方法的实施例流程示意图;
图2是本申请实施例提供的一种数据处理方法的实施例流程示意图;
图3是本申请实施例提供的一种数据处理方法的实施例流程示意图;
图4是本申请实施例提供的一种服务器的实施例结构示意图;
图5是本申请实施例提供的一种数据处理装置的实施例结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,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、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置显示该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
请参阅图1,为本申请实施例提供的一种数据处理方法的实施例的流程示意图。本实施例中所描述的数据处理方法,包括以下步骤:
101、获取待存储的医疗切片图。
其中,获取待存储的医疗切片图,具体可从医疗信息服务平台抓取得到医疗切片图。
具体实施中,在医疗服务过程中,医护人员可以将医疗切片图上传至医疗信息服务平台,可设置定时抓取任务,例如,可以按照每周/每个月等间隔时长的固定时间设置定时抓取任务,从医疗服务信息平台抓取待存储的医疗切片图,从而,可以抓取一周内/一个月内或者一定时长内的医疗切片图。
其中,间隔时长可以由管理人员设置,或者,可以由系统默认设置。可选地,间隔时长还可以根据一段时间内医疗切片图的数量或者系统可以处理的数据量来设置间隔时长,从而可以平衡医疗切片图的数量和系统处理医疗切片图的能力。
102、对所述医疗切片图进行特征检测,得到所述医疗切片图中的特征区域和非特征区域。
通过上述特征检测,可以将每一医疗切片图划分为特征区域和非特征区域,进而,可以对特征区域数据和非特征区域的数据分别进行存储。
本申请实施例中,可对医疗切片图进行特征检测,得到所述医疗切片图中的特征区域,将特征区域和非特征区域分别提取出来,其中,进行特征检测的算法可包括Harris角点检测算法、尺度不变特征变换、SUSAN角点检测算法等等,在此不再赘述。在进行特征检测之前,还可对医疗切片图进行预处理,预处理可包括但不仅限于一下处理:图像增强处理、二值化处理、平滑处理等。其中,图像增强处理可包括但不仅限于:图像去噪(例如,小波变换进行图像去噪)、图像复原(例如,维纳滤波)、暗视觉增强算法(例如,直方图均衡化、灰度拉伸等等),在对医疗切片图进行图像增强处理之后,医疗切片图的质量可在一定程度上得到提升。
本申请实施例中,还可将特征区域数据和非特征区域的数据进行关联,以使得后续读取特征区域数据和非特征区域的数据时,能够基于关联关系,找到相同医疗切片图对应的特征区域数据和非特征区域的数据。
103、提取所述特征区域的图像特征,对所述特征区域的图像特征转换成待分解矩阵,并将所述特征区域进行矩阵分解,得到值矩阵与键矩阵。
本申请实施例中,考虑到将医疗切片图进行存储需要大量的存储空间,因此,可以提取特征区域的图像特征,对特征区域的图像特征转换成待分解矩阵将特征区域进行矩阵分解,得到值矩阵与键矩阵,其中,每个医疗切片图的键矩阵相同,值矩阵与键矩阵均为非负矩阵。具体地,可采用非负矩阵分解算法对特征区域进行矩阵分解,得到值矩阵与键矩阵。
可选地,上述步骤103中,所述对所述特征区域的图像特征转换成待分解矩阵,并将所述待分解矩阵进行非负矩阵分解,得到值矩阵与键矩阵,可包括以下步骤:
对所述特征区域的图像特征进行扫描,形成一个M×N维的待分解矩阵;
将所述待分解矩阵进行非负矩阵分解,得到一个M×R的值矩阵和R×N的键矩阵,所述值矩阵和所述键矩阵均为非负矩阵。
将所述特征区域扫描形成一个M×N维的待分解矩阵;
其中,每个医疗切片图的键矩阵相同,值矩阵与键矩阵均为非负矩阵。
通过将特征区域的数据进行矩阵分解,可以在一定程度节省存储空间和计算资源,提升后续读取数据的速度。
104、将所述医疗切片图对应的值矩阵与所述医疗切片图对应的非特征区域的图像进行关联。
其中,通过将值矩阵与对应医疗切片图的非特征区域的数据进行关联,可以使得后续读取值矩阵、键矩阵和非特征区域的数据时,能够根据值矩阵,找到相同医疗切片图对应的值矩阵、键矩阵和非特征区域的数据。
105、将所述值矩阵和键矩阵存储至第一数据库;将所述非特征区域的数据存储至第二数据库。
其中,通过将值矩阵和键矩阵存储至第一数据库;将非特征区域的数据存储至第二数据库,可以分别对特征区域数据和非特征区域的数据进行存储,从而,在后续读取医疗切片数据时,可以提升数据读取速度。
具体地,可以并行从第一数据库中和第二数据库中分别读取值矩阵和键矩阵,以及非特征区域,进而提升数据读取速度。
可选地,所述待存储的医疗切片图为多个,所述数据处理方法,还包括:
获取各个所述待存储的医疗切片图的内存大小。
上述步骤105中,将所述值矩阵和键矩阵存储至第一数据库,将所述非特征区域的图像存储至第二数据库,可包括以下步骤:
51、根据各个所述待存储的医疗切片图的内存大小,为各个所述待存储的医疗切片图分配系统资源;
52、基于分配的系统资源将所述值矩阵和键矩阵存储至第一数据库;将所述非特征区域的图像存储至第二数据库。
其中,将所述非特征区域的数据存储至第二数据库,具体可通过差速器DIFF算法将所述非特征区域的数据存储至所述第二数据库,通过采用DIFF算法对非特征区域数据进行存储,可以提升非特征区域数据的存储速度。
可选地,所述医疗切片图包括n个类型,系统中并行运行的线程数量上限为m,所述m大于或等于所述n,上述步骤51中,所述根据各个所述待存储的医疗切片图的内存大小,为各个所述待存储的医疗切片图分配系统资源,包括:
根据所述各个医疗切片图的内存大小确定所述n个类型中每一类型对应的线程数量;
实时获取处于存储状态的类型中医疗切片图的剩余待存储内存大小;
根据所述剩余待存储内存大小重新确定下一轮待存储的k个类型,以及下一轮待存储的k个类型中每个类型对应的线程数量;其中,k小于或等于m。
其中,医疗切片图的内存大小在一定程度上反映了特征区域数据和非特征区域数据的内存大小,此外,医疗切片图的内存大小需要消耗的系统资源越多,因此,可根据各个医疗切片图的内存大小来分配系统资源,以确保系统资源的分配使得在存在较多医疗切片图时,提升各个类型医疗切片图的总效率。具体实施中,n个类型中每个类型的各个医疗切片图的内存大小不同,因此,可以为更大的内存大小对应类型的各个医疗切片图分配更多系统资源,为较小的内存大小对应类型的各个医疗切片图分配相对少的系统资源,从而,在同步进行数据存储的过程中,可以避免内存较小的医疗切片图的数据已经存储完成,内存较大的医疗切片图的数据还需要一段时间才能完成,能够在存在较多医疗切片图时,从整体上提升数据存储速度。
本申请实施例中,假定系统能够并行运行的线程数量上限为m,m为正整数,m大于或等于n,则可以分配不同的线程并行处理相同类型的医疗切片图的数据,例如,线程数量m为5,n为3,3个类型分别为A类型,B类型,C类型,则可以根据所述各个医疗切片图的内存大小确定A类型,B类型,C类型分别对应的内存大小;然后,根据A类型,B类型,C类型分别对应的内存大小;确定3个类型中每一类型对应的线程数量,例如,A类型,B类型,C类型分别对应的线程数量为2,2,1;在数据处理过程中,可以实时获取处于存储状态的类型中医疗切片图的剩余待存储内存大小,根据剩余待存储内存大小重新确定下一轮待存储的k类型,k例如为2,以及下一轮待存储的k个类型中每个类型对应的线程数量,例如,2个类型分别为A类型,C类型,A类型,C类型分别对应的线程数量为3和2,可以看出,在数据处理过程中,可根据各个医疗切片图的内存大小灵活分配系统资源,使得更大的内存大小对应类型的各个医疗切片图分配到更多系统资源,较小的内存大小对应类型的各个医疗切片图分配到相对少的系统资源,从而,能够在存在较多医疗切片图时,从整体上提升数据存储速度。
可选地,系统中并行运行的线程数量上限为m,所述m小于所述n,所述根据各个所述待存储的医疗切片图的内存大小,为各个所述待存储的医疗切片图分配系统资源,可包括以下步骤:
根据所述各个医疗切片图的内存大小确定待存储的p个类型,p小于n,且p小于等于m;
实时获取处于存储状态的类型中医疗切片图的剩余待存储内存大小;
根据所述剩余待存储内存大小重新确定下一轮待存储的q类型,以及下一轮待存储的k个类型中每个类型对应的线程数量,q小于等于m。
本申请实施例中,假定系统能够并行运行的线程数量上限为m,m为正整数,m小于n,则可以分配不同的线程处理不同类型的医疗切片图,例如,线程数量m为5,n为8,8个类型分别为A类型,B类型,C类型,D类型,E类型,F类型,G类型,H类型,可以先确定进行处理的p个类型的医疗切片图,p小于n,且p小于等于m,例如p可以为5,A类型,B类型,C类型,D类型,E类型,每个线程处理一个类型的医疗切片图;又例如,p可以为4,A类型,B类型,C类型,D类型,分别对应的线程数量为2,1,1,1;进一步地,在数据处理过程中,可以实时获取处于存储状态的类型中医疗切片图的剩余待存储内存大小,根据所述剩余待存储内存大小重新确定下一轮待存储的q类型,以及下一轮待存储的k个类型中每个类型对应的线程数量,q小于等于m,以及下一轮待存储的k个类型中每个类型对应的线程数量,q例如为3,例如,3个类型分别为A类型,B类型,C类型,分别对应的线程数量为2,2,1,可以看出,在数据处理过程中,可根据各个医疗切片图的内存大小灵活分配系统资源,使得更大的内存大小对应类型的各个医疗切片图分配到更多系统资源,较小的内存大小对应类型的各个医疗切片图分配到相对少的系统资源,从而,能够在存在较多医疗切片图时,从整体上提升数据存储速度。
可选地,本申请实施例中,还可包括以下步骤A1-步骤A3:
A1、响应于读取目标医疗切片图的读取请求,从所述第一数据库中读取所述目标医疗切片图对应的目标值矩阵与目标键矩阵;
A2、根据所述目标值矩阵从所述第二数据库中读取与所述目标值矩阵关联的非特征区域的图像;
A3、基于所述值矩阵、键矩阵和所述非特征区域的图像,生成所述目标医疗切片图。
其中,通过分别从第一数据库中读取目标值矩阵与目标键矩阵;根据值矩阵从第二数据库中读取对应的非特征区域的数据,相比于直接存储和读取医疗切片图,可以提升读取特征区域数据(包括值矩阵和键矩阵)和非特征区域数据的存储速度。
可选地,在读取所述医疗切片图时,还可从第一数据库中读取值矩阵与键矩阵;从第二数据库中读取对应的非特征区域的数据;根据值矩阵将属于相同医疗切片图的值矩阵、键矩阵和非特征区域的数据进行处理,得到完整的医疗切片图数据。具体地,在从第一数据库中读取值矩阵与键矩阵,从第二数据库中读取对应的非特征区域的数据时,可以读取多组不同医疗切片图的特征区域数据(包括值矩阵和键矩阵)和非特征区域数据。
进一步地,基于所述值矩阵、键矩阵和所述非特征区域的图像,生成所述目标医疗切片图,其中,值矩阵、键矩阵为包含特征区域的图像特征的特征值的矩阵,即通过矩阵的形式将特征区域的图像特征的特征值进行排列,从而,可以根据值矩阵、键矩阵中特征区域的图像特征的特征值与非特指区域的图像特征的特征值生成目标医疗切片图,从而可确保读取医疗切片图的完整和准确度。
可以看出,通过本申请实施例所提供的数据处理方法,通过获取待存储的医疗切片图;对医疗切片图进行特征检测,得到医疗切片图中的特征区域和非特征区域;提取特征区域的图像特征,对特征区域的图像特征转换成待分解矩阵,并将待分解矩阵进行非负矩阵分解,得到值矩阵与键矩阵;将医疗切片图对应的值矩阵与医疗切片图对应的非特征区域的图像进行关联;将值矩阵和键矩阵存储至第一数据库,将非特征区域的图像存储至第二数据库,如此,通过将医疗切片图中的特征区域分解得到值矩阵和键矩阵,将值矩阵和键矩阵,以及非特征区域的数据分别进行存储,可以大大减少数据量,使得在后续读取过程中,能够提高数据的读取速度。
与上述一致地,请参阅图2,为本申请实施例提供的一种数据处理方法的实施例流程示意图。本实施例中所描述的数据处理方法,包括以下步骤:
201、获取待存储的医疗切片图。
202、对所述医疗切片图进行特征检测,得到所述医疗切片图中的特征区域和非特征区域。
203、将所述特征区域扫描形成一个M×N维的待分解矩阵。
204、将所述待分解矩阵进行非负矩阵分解,得到一个M×R的值矩阵和R×N的键矩阵;其中,每个医疗切片图的键矩阵相同,值矩阵与键矩阵均为非负矩阵。
205、将所述医疗切片图对应的值矩阵与所述医疗切片图对应的非特征区域的图像进行关联。
206、将所述值矩阵和键矩阵存储至第一数据库;将所述非特征区域的数据存储至第二数据库。
207、响应于读取目标医疗切片图的读取请求,从所述第一数据库中读取所述目标医疗切片图对应的目标值矩阵与目标键矩阵。
208、根据所述目标值矩阵从所述第二数据库中读取与所述目标值矩阵关联的非特征区域的图像。
209、基于所述值矩阵、键矩阵和所述非特征区域的图像,生成所述目标医疗切片图。
其中,上述步骤201-步骤209的具体描述可参照图1所描述的数据处理方法的步骤101-步骤104的对应步骤,在此不再赘述。
可以看出,通过本申请实施例所提供的数据处理方法,通过获取待存储的医疗切片图;对医疗切片图进行特征检测,得到医疗切片图中的特征区域和非特征区域;将所述特征区域扫描形成一个M×N维的待分解矩阵;将待分解矩阵进行非负矩阵分解,得到一个M×R的值矩阵和R×N的键矩阵;每个医疗切片图的键矩阵相同,值矩阵与键矩阵均为非负矩阵;将医疗切片图对应的值矩阵与医疗切片图对应的非特征区域的图像进行关联;将值矩阵和键矩阵存储至第一数据库;将非特征区域的数据存储至第二数据库;响应于读取目标医疗切片图的读取请求,从第一数据库中读取所述目标医疗切片图对应的目标值矩阵与目标键矩阵;根据目标值矩阵从所述第二数据库中读取与目标值矩阵关联的非特征区域的图像;基于值矩阵、键矩阵和非特征区域的图像,生成目标医疗切片图,通过将特征区域的数据进行矩阵分解,可以在一定程度节省存储空间和计算资源,提升后续读取数据的速度;通过分别对特征区域数据和非特征区域的数据进行存储,从而,在后续读取医疗切片数据时,相比于直接存储和读取医疗切片图,可以提升读取特征区域的数据(包括值矩阵和键矩阵)和非特征区域的数据的存储速度。
与上述一致地,请参阅图3,为本申请实施例提供的一种数据处理方法的实施例流程示意图。本实施例中所描述的数据处理方法,包括以下步骤:
301、获取待存储的医疗切片图。
302、对所述医疗切片图进行特征检测,得到所述医疗切片图中的特征区域和非特征区域。
303、将所述特征区域扫描形成一个M×N维的待分解矩阵。
304、将所述待分解矩阵进行非负矩阵分解,得到一个M×R的值矩阵和R×N的键矩阵;其中,每个医疗切片图的键矩阵相同,值矩阵与键矩阵均为非负矩阵。
305、将所述医疗切片图对应的值矩阵与所述医疗切片图对应的非特征区域的图像进行关联。
306、获取所述n个类型中每个类型的各个医疗切片图的内存大小。
307、根据所述各个医疗切片图的内存大小确定所述n个类型中每一类型对应的线程数量。
308、实时获取处于存储状态的类型中医疗切片图的剩余待存储内存大小。
309、根据所述剩余待存储内存大小重新确定下一轮待存储的k个类型,以及下一轮待存储的k个类型中每个类型对应的线程数量;其中,k小于或等于m。
310、基于分配的系统资源将所述值矩阵和键矩阵存储至第一数据库;将所述非特征区域的图像存储至第二数据库。
其中,上述步骤301-步骤310的具体描述可参照图1所描述的数据处理方法的步骤101-步骤104的对应步骤,在此不再赘述。
可以看出,通过本申请实施例所提供的数据处理方法,通过获取待存储的医疗切片图;对医疗切片图进行特征检测,得到医疗切片图中的特征区域和非特征区域;将所述特征区域扫描形成一个M×N维的待分解矩阵;将待分解矩阵进行非负矩阵分解,得到一个M×R的值矩阵和R×N的键矩阵;每个医疗切片图的键矩阵相同,值矩阵与键矩阵均为非负矩阵;将医疗切片图对应的值矩阵与医疗切片图对应的非特征区域的图像进行关联,获取n个类型中每个类型的各个医疗切片图的内存大小,根据各个医疗切片图的内存大小确定n个类型中每一类型对应的线程数量,实时获取处于存储状态的类型中医疗切片图的剩余待存储内存大小,根据剩余待存储内存大小重新确定下一轮待存储的k个类型,以及下一轮待存储的k个类型中每个类型对应的线程数量;基于分配的系统资源将值矩阵和键矩阵存储至第一数据库;将非特征区域的图像存储至第二数据库。通过将特征区域的数据进行矩阵分解,可以在一定程度节省存储空间和计算资源,提升后续读取数据的速度;在同步进行数据存储的过程中,可以避免内存较小的医疗切片图的数据已经存储完成,内存较大的医疗切片图的数据还需要一段时间才能完成,能够在存在较多医疗切片图时,从整体上提升数据存储速度;通过分别对特征区域数据和非特征区域的数据进行存储,从而,在后续读取医疗切片数据时,相比于直接存储和读取医疗切片图,可以提升读取特征区域数据(包括值矩阵和键矩阵)和非特征区域数据的存储速度。
与上述一致地,以下为实施上述数据处理方法的装置,具体如下:
请参阅图4,为本申请实施例提供的一种服务器的实施例结构示意图。本实施例中所描述的服务器400,包括:至少一个输入设备1000;至少一个输出设备2000;至少一个处理器3000,例如CPU;和存储器4000,上述输入设备1000、输出设备2000、处理器3000和存储器4000通过总线5000连接。
其中,上述输入设备1000具体可为触控面板、物理按键或者鼠标。
上述输出设备2000具体可为显示屏。
上述存储器4000可以是高速RAM存储器,也可为非易失存储器(non-volatilememory),例如磁盘存储器。上述存储器4000用于存储一组程序代码,上述输入设备1000、输出设备2000和处理器3000用于调用存储器4000中存储的程序代码,执行如下操作:
上述处理器3000,用于:
获取待存储的医疗切片图;
对所述医疗切片图进行特征检测,得到所述医疗切片图中的特征区域和非特征区域;
提取所述特征区域的图像特征,对所述特征区域的图像特征转换成待分解矩阵,并将所述待分解矩阵进行非负矩阵分解,得到值矩阵与键矩阵;
将所述医疗切片图对应的值矩阵与所述医疗切片图对应的非特征区域的图像进行关联;
将所述值矩阵和键矩阵存储至第一数据库,将所述非特征区域的图像存储至第二数据库。
在一个可能的示例中,在所述对所述特征区域的图像特征转换成待分解矩阵,并将所述待分解矩阵进行非负矩阵分解,得到值矩阵与键矩阵方面,上述处理器3000具体用于:
将所述特征区域扫描形成一个M×N维的待分解矩阵;
将所述待分解矩阵进行非负矩阵分解,得到一个M×R的值矩阵和R×N的键矩阵;其中,每个医疗切片图的键矩阵相同,值矩阵与键矩阵均为非负矩阵。
在一个可能的示例中,上述处理器3000还具体用于:
响应于读取目标医疗切片图的读取请求,从所述第一数据库中读取所述目标医疗切片图对应的目标值矩阵与目标键矩阵;
根据所述目标值矩阵从所述第二数据库中读取与所述目标值矩阵关联的非特征区域的图像;
基于所述值矩阵、键矩阵和所述非特征区域的图像,生成所述目标医疗切片图。
在一个可能的示例中,所述待存储的医疗切片图为多个,上述处理器3000还具体用于:
获取各个所述待存储的医疗切片图的内存大小。
在一个可能的示例中,在所述将所述值矩阵和键矩阵存储至第一数据库,将所述非特征区域的图像存储至第二数据库方面,上述处理器3000具体用于:
根据各个所述待存储的医疗切片图的内存大小,为各个所述待存储的医疗切片图分配系统资源;
基于分配的系统资源将所述值矩阵和键矩阵存储至第一数据库;将所述非特征区域的图像存储至第二数据库。
在一个可能的示例中,所述医疗切片图包括n个类型,系统中并行运行的线程数量上限为m,所述m大于或等于所述n,在所述根据各个所述待存储的医疗切片图的内存大小,为各个所述待存储的医疗切片图分配系统资源方面,上述处理器3000具体用于:
根据所述各个医疗切片图的内存大小确定所述n个类型中每一类型对应的线程数量;
实时获取处于存储状态的类型中医疗切片图的剩余待存储内存大小;
根据所述剩余待存储内存大小重新确定下一轮待存储的k类型,以及下一轮待存储的k个类型中每个类型对应的线程数量;其中,k小于或等于m。
在一个可能的示例中,系统中并行运行的线程数量上限为m,所述m小于所述n,在所述根据各个所述待存储的医疗切片图的内存大小,为各个所述待存储的医疗切片图分配系统资源方面,上述处理器3000具体用于:
根据所述各个医疗切片图的内存大小确定待存储的p个类型,p小于n,且p小于等于m;
实时获取处于存储状态的类型中医疗切片图的剩余待存储内存大小;
根据所述剩余待存储内存大小重新确定下一轮待存储的q类型,以及下一轮待存储的k个类型中每个类型对应的线程数量,q小于等于m。
可以看出,图4所示的服务器,通过获取待存储的医疗切片图;对医疗切片图进行特征检测,得到医疗切片图中的特征区域和非特征区域;提取特征区域的图像特征,对特征区域的图像特征转换成待分解矩阵,并将待分解矩阵进行非负矩阵分解,得到值矩阵与键矩阵;将医疗切片图对应的值矩阵与医疗切片图对应的非特征区域的图像进行关联;将值矩阵和键矩阵存储至第一数据库,将非特征区域的图像存储至第二数据库,如此,通过将医疗切片图中的特征区域分解得到值矩阵和键矩阵,将值矩阵和键矩阵,以及非特征区域的数据分别进行存储,可以大大减少数据量,使得在后续读取过程中,能够提高数据的读取速度。
请参阅图5,为本申请实施例提供的一种数据处理装置的实施例结构示意图。本实施例中所描述的数据处理装置500,包括:获取单元501、检测单元502、矩阵分解单元503、处理单元504和存储单元505,具体如下:
所述获取单元501,用于获取待存储的医疗切片图;
检测单元502,用于对所述医疗切片图进行特征检测,得到所述医疗切片图中的特征区域和非特征区域;
矩阵分解单元503,用于提取所述特征区域的图像特征,对所述特征区域的图像特征转换成待分解矩阵,并将所述待分解矩阵进行非负矩阵分解,得到值矩阵与键矩阵;
处理单元504,用于将所述医疗切片图对应的值矩阵与所述医疗切片图对应的非特征区域的图像进行关联;
存储单元505,用于将所述值矩阵和键矩阵存储至第一数据库,将所述非特征区域的图像存储至第二数据库。
可选地,在所述对所述特征区域的图像特征转换成待分解矩阵,并将所述待分解矩阵进行非负矩阵分解,得到值矩阵与键矩阵方面,上述矩阵分解单元503具体用于:
将所述特征区域扫描形成一个M×N维的待分解矩阵;
将所述待分解矩阵进行非负矩阵分解,得到一个M×R的值矩阵和R×N的键矩阵;其中,每个医疗切片图的键矩阵相同,值矩阵与键矩阵均为非负矩阵。
可选地,所述数据处理装置还包括读取单元,具体用于:
响应于读取目标医疗切片图的读取请求,从所述第一数据库中读取所述目标医疗切片图对应的目标值矩阵与目标键矩阵;
根据所述目标值矩阵从所述第二数据库中读取与所述目标值矩阵关联的非特征区域的图像;
基于所述值矩阵、键矩阵和所述非特征区域的图像,生成所述目标医疗切片图。
可选地,所述待存储的医疗切片图为多个,上述获取单元501具体用于:
获取各个所述待存储的医疗切片图的内存大小。
可选地,在所述将所述值矩阵和键矩阵存储至第一数据库,将所述非特征区域的图像存储至第二数据库方面存储单元505具体用于:
根据各个所述待存储的医疗切片图的内存大小,为各个所述待存储的医疗切片图分配系统资源;
基于分配的系统资源将所述值矩阵和键矩阵存储至第一数据库;将所述非特征区域的图像存储至第二数据库。
可选地,所述医疗切片图包括n个类型,系统中并行运行的线程数量上限为m,所述m大于或等于所述n,在所述根据各个所述待存储的医疗切片图的内存大小,为各个所述待存储的医疗切片图分配系统资源方面,上述存储单元505具体用于:
根据所述各个医疗切片图的内存大小确定所述n个类型中每一类型对应的线程数量;
实时获取处于存储状态的类型中医疗切片图的剩余待存储内存大小;
根据所述剩余待存储内存大小重新确定下一轮待存储的k类型,以及下一轮待存储的k个类型中每个类型对应的线程数量;其中,k小于或等于m。
可选地,系统中并行运行的线程数量上限为m,所述m小于所述n,在所述根据各个所述待存储的医疗切片图的内存大小,为各个所述待存储的医疗切片图分配系统资源方面,上述存储单元505具体用于:
根据所述各个医疗切片图的内存大小确定待存储的p个类型,p小于n,且p小于等于m;
实时获取处于存储状态的类型中医疗切片图的剩余待存储内存大小;
根据所述剩余待存储内存大小重新确定下一轮待存储的q类型,以及下一轮待存储的k个类型中每个类型对应的线程数量,q小于等于m。
可以看出,通过本申请实施例所描述的数据处理装置,通过获取待存储的医疗切片图;对医疗切片图进行特征检测,得到医疗切片图中的特征区域和非特征区域;提取特征区域的图像特征,对特征区域的图像特征转换成待分解矩阵,并将待分解矩阵进行非负矩阵分解,得到值矩阵与键矩阵;将医疗切片图对应的值矩阵与医疗切片图对应的非特征区域的图像进行关联;将值矩阵和键矩阵存储至第一数据库,将非特征区域的图像存储至第二数据库,如此,通过将医疗切片图中的特征区域分解得到值矩阵和键矩阵,将值矩阵和键矩阵,以及非特征区域的数据分别进行存储,可以大大减少数据量,使得在后续读取过程中,能够提高数据的读取速度。
可以理解的是,本实施例的数据处理装置的各程序模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
本申请实施例还提供一种计算机存储介质,其中,该计算机存储介质可存储有程序,该程序执行时包括上述方法实施例中记载的任何一种数据处理方法的部分或全部步骤。
本申请实施例提供一种计算机程序产品,其中,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机程序可操作来使计算机执行如本申请实施例中记载的任何一种数据处理方法所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
尽管在此结合各实施例对本申请进行了描述,然而,在实施所要求保护的本申请过程中,本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书,可理解并实现所述公开实施例的其他变化。在权利要求中,“包括”(comprising)一词不排除其他组成部分或步骤,“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施,但这并不表示这些措施不能组合起来产生良好的效果。
本领域技术人员应明白,本申请的实施例可提供为方法、装置(设备)、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机程序存储/分布在合适的介质中,与其它硬件一起提供或作为硬件的一部分,也可以采用其他分布形式,如通过Internet或其它有线或无线电信系统。
本申请是参照本申请实施例的方法、装置(设备)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管结合具体特征及其实施例对本申请进行了描述,显而易见的,在不脱离本申请的精神和范围的情况下,可对其进行各种修改和组合。相应地,本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种数据处理方法,其特征在于,包括:
获取待存储的医疗切片图;
对所述医疗切片图进行特征检测,得到所述医疗切片图中的特征区域和非特征区域;
提取所述特征区域的图像特征,对所述特征区域的图像特征转换成待分解矩阵,并将所述待分解矩阵进行非负矩阵分解,得到值矩阵与键矩阵;
将所述医疗切片图对应的值矩阵与所述医疗切片图对应的非特征区域的图像进行关联;
将所述值矩阵和键矩阵存储至第一数据库,将所述非特征区域的图像存储至第二数据库。
2.根据权利要求1所述的数据处理方法,其特征在于,所述对所述特征区域的图像特征转换成待分解矩阵,并将所述待分解矩阵进行非负矩阵分解,得到值矩阵与键矩阵,包括:
对所述特征区域的图像特征进行扫描,形成一个M×N维的待分解矩阵;
将所述待分解矩阵进行非负矩阵分解,得到一个M×R的值矩阵和R×N的键矩阵,所述值矩阵和所述键矩阵均为非负矩阵。
3.根据权利要求2所述的数据处理方法,其特征在于,所述数据处理方法,还包括:
响应于读取目标医疗切片图的读取请求,从所述第一数据库中读取所述目标医疗切片图对应的目标值矩阵与目标键矩阵;
根据所述目标值矩阵从所述第二数据库中读取与所述目标值矩阵关联的非特征区域的图像;
基于所述值矩阵、键矩阵和所述非特征区域的图像,生成所述目标医疗切片图。
4.根据权利要求1-4任一项所述的数据处理方法,其特征在于,所述待存储的医疗切片图为多个,所述数据处理方法,还包括:
获取各个所述待存储的医疗切片图的内存大小。
5.根据权利要求4所述的方法,其特征在于,所述将所述值矩阵和键矩阵存储至第一数据库,将所述非特征区域的图像存储至第二数据库,包括:
根据各个所述待存储的医疗切片图的内存大小,为各个所述待存储的医疗切片图分配系统资源;
基于分配的系统资源将所述值矩阵和键矩阵存储至第一数据库;将所述非特征区域的图像存储至第二数据库。
6.根据权利要求5所述的方法,其特征在于,所述医疗切片图包括n个类型,系统中并行运行的线程数量上限为m,所述m大于或等于所述n,所述根据各个所述待存储的医疗切片图的内存大小,为各个所述待存储的医疗切片图分配系统资源,包括:
根据所述各个医疗切片图的内存大小确定所述n个类型中每一类型对应的线程数量;
实时获取处于存储状态的类型中医疗切片图的剩余待存储内存大小;
根据所述剩余待存储内存大小重新确定下一轮待存储的k个类型,以及下一轮待存储的k个类型中每个类型对应的线程数量;其中,k小于或等于m。
7.根据权利要求5所述的方法,其特征在于,所述医疗切片图包括n个类型,系统中并行运行的线程数量上限为m,所述m小于所述n,所述根据各个所述待存储的医疗切片图的内存大小,为各个所述待存储的医疗切片图分配系统资源,包括:
根据所述各个医疗切片图的内存大小确定待存储的p个类型,p小于n,且p小于等于m;
实时获取处于存储状态的类型中医疗切片图的剩余待存储内存大小;
根据所述剩余待存储内存大小重新确定下一轮待存储的q类型,以及下一轮待存储的k个类型中每个类型对应的线程数量,q小于等于m。
8.一种数据处理装置,其特征在于,所述装置包括:
获取单元,用于获取待存储的医疗切片图;
检测单元,用于对所述医疗切片图进行特征检测,得到所述医疗切片图中的特征区域和非特征区域;
矩阵分解单元,用于提取所述特征区域的图像特征,对所述特征区域的图像特征转换成待分解矩阵,并将所述待分解矩阵进行非负矩阵分解,得到值矩阵与键矩阵;
处理单元,用于将所述医疗切片图对应的值矩阵与所述医疗切片图对应的非特征区域的图像进行关联;
存储单元,用于将所述值矩阵和键矩阵存储至第一数据库,将所述非特征区域的图像存储至第二数据库。
9.一种服务器,其特征在于,包括处理器、存储器,所述存储器用于存储一个或多个程序,并且被配置由所述处理器执行,所述程序包括用于执行如权利要求1-7任一项所述的方法中的步骤的指令。
10.一种计算机可读存储介质,其特征在于,存储用于电子数据交换的计算机程序,其中,所述计算机程序使得计算机执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111666796.0A CN114443873A (zh) | 2021-12-31 | 2021-12-31 | 数据处理方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111666796.0A CN114443873A (zh) | 2021-12-31 | 2021-12-31 | 数据处理方法、装置、服务器及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114443873A true CN114443873A (zh) | 2022-05-06 |
Family
ID=81364902
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111666796.0A Pending CN114443873A (zh) | 2021-12-31 | 2021-12-31 | 数据处理方法、装置、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114443873A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114897666A (zh) * | 2022-05-19 | 2022-08-12 | 北京百度网讯科技有限公司 | 图数据存储、访问、处理方法、训练方法、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011107118A1 (en) * | 2010-03-04 | 2011-09-09 | Valeo Schalter Und Sensoren Gmbh | Method of raindrop detection on a vehicle windscreen and driving assistance device |
CN104503963A (zh) * | 2014-09-26 | 2015-04-08 | 大连理工大学 | 头相关脉冲响应数据集处理方法 |
CN110569879A (zh) * | 2019-08-09 | 2019-12-13 | 平安科技(深圳)有限公司 | 舌头图像提取方法、装置及计算机可读存储介质 |
US20210326637A1 (en) * | 2020-04-21 | 2021-10-21 | Industrial Technology Research Institute | Method of labelling features for image recognition and apparatus thereof |
-
2021
- 2021-12-31 CN CN202111666796.0A patent/CN114443873A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011107118A1 (en) * | 2010-03-04 | 2011-09-09 | Valeo Schalter Und Sensoren Gmbh | Method of raindrop detection on a vehicle windscreen and driving assistance device |
CN104503963A (zh) * | 2014-09-26 | 2015-04-08 | 大连理工大学 | 头相关脉冲响应数据集处理方法 |
CN110569879A (zh) * | 2019-08-09 | 2019-12-13 | 平安科技(深圳)有限公司 | 舌头图像提取方法、装置及计算机可读存储介质 |
US20210326637A1 (en) * | 2020-04-21 | 2021-10-21 | Industrial Technology Research Institute | Method of labelling features for image recognition and apparatus thereof |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114897666A (zh) * | 2022-05-19 | 2022-08-12 | 北京百度网讯科技有限公司 | 图数据存储、访问、处理方法、训练方法、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110082135A (zh) | 设备故障识别方法、装置和终端设备 | |
US20200210707A1 (en) | Sample extraction method and device targeting video classification problem | |
US10261849B1 (en) | Preventative remediation of services | |
CN112653928B (zh) | 一种基于内容相同的视频过滤方法、系统及设备 | |
CN109325480B (zh) | 身份信息的录入方法及终端设备 | |
CN108595211B (zh) | 用于输出数据的方法和装置 | |
CN111709415B (zh) | 目标检测方法、装置、计算机设备和存储介质 | |
CN113255433A (zh) | 模型训练方法、装置和计算机存储介质 | |
CN114443873A (zh) | 数据处理方法、装置、服务器及存储介质 | |
CN117636137B (zh) | 一种gpu裸金属算力资源分配调度方法、装置及存储介质 | |
CN111489344A (zh) | 一种图像清晰度的确定方法、系统及相关装置 | |
CN108921792B (zh) | 用于处理图片的方法和装置 | |
CN116137061B (zh) | 数量统计模型的训练方法、装置、电子设备及存储介质 | |
CN110853115B (zh) | 一种开发流程页面的创建方法及设备 | |
CN112583900A (zh) | 云计算的数据处理方法及相关产品 | |
CN115587925A (zh) | 图像处理方法、图像识别方法、电子设备和可读存储介质 | |
CN113239738B (zh) | 一种图像的模糊检测方法及模糊检测装置 | |
CN115374517A (zh) | 布线软件的测试方法、装置、电子设备及存储介质 | |
CN113705459A (zh) | 人脸抓拍方法、装置、电子设备及存储介质 | |
CN111797922B (zh) | 文本图像分类方法及装置 | |
CN110674830B (zh) | 图像隐私识别方法、装置、计算机设备和存储介质 | |
CN114553700B (zh) | 设备分组方法、装置、计算机设备及存储介质 | |
CN111444932A (zh) | 确定相似图像的方法和装置 | |
CN113360356B (zh) | 阅读作弊行为的识别方法、计算设备及计算机存储介质 | |
CN113256328B (zh) | 预测目标客户的方法、装置、计算机设备及存储介质 |
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 |