CN107356594A - 基于细胞分析的药材切片检测方法、电子设备及存储介质 - Google Patents

Abstract

本发明公开了基于细胞分析的药材切片检测方法，包括以下步骤：获取待识别药材的多个切片以及对应的切片图片；根据每个切片图片与***中预设的初期识别模型判断每个切片图片内含有有效成分的区域；根据每个切片图片中含有有效成分的区域与***中预设的成分识别模型来判断每个切片图片中有效成分的类别。本发明还公开了一种电子设备与计算机可读存储介质。通过使用本发明能够大大提高药材成分鉴别的效率，减少鉴别时的人力物力成本。

Description

基于细胞分析的药材切片检测方法、电子设备及存储介质

技术领域

本发明涉及一种药材领域，尤其涉及一种药材切片检测方法。

背景技术

目前，中药品种繁多，应用历史悠久，产区广泛。但是由于地理和历史的原因，存在药材品种混乱、基源复杂、同名异物或同物异名、伪品、混淆品和误用品等情况。此外，同种药材，由于产地不同、野生与栽培以及生成年限不同等表现出治疗和疗效上的差异。因此，医药厂家对引进的每一批中药材在制药前均需要根据药监局指引，依据《中华人民共和国药典》进行药材成分鉴别。

但是，现有的药材成分鉴别方式一般为在实验室中药剂师将每种药材制成切片后在显微镜下拍片观察，并根据《中华人民共和国药典》的鉴别指引找出对应包含的各个成分并标记。其存在以下缺点：(1)中药药材中每种成分分布不均，通常需要不断放大各个倍数以及移动切片位置，甚至观察多个切片进行鉴别，并对各个成分查找、放大、标记，其过程工作繁琐、工作量大；(2)而且鉴别初期时，药剂师的鉴别一般是根据经验查看药材切片中可能含有的相关成分以及大致的分布区域，然后在对每个区域进行再次放大到高倍数进行查找标记，由于存在人为的操作，其鉴别的准确率低、很容易造成失误、重复工作量大、耗时长、工作效率低下。

发明内容

为了克服现有技术的不足，本发明的目的之一在于提供基于细胞分析的药材切片检测方法，其能够解决现有技术中药材成分鉴别时效率低下、人力物力成本高的问题。

本发明的目的之二在于提供一种电子设备，其能够解决现有技术中药材成分鉴别时效率低下、人力物力成本高的问题。

本发明的目的之三在于提供一种计算机可读存储介质，其能够解决现有技术中药材成分鉴别时效率低下、人力物力成本高的问题。

本发明的目的之一采用如下技术方案实现：

基于细胞分析的药材切片检测方法，包括以下步骤：

获取切片步骤，获取待识别药材的多个切片以及对应的切片图片；

初期识别步骤，根据每个切片图片与***中预设的初期识别模型判断每个切片图片内含有有效成分的区域；

后期识别步骤，根据每个切片图片中含有有效成分的区域与***中预设的成分识别模型来判断每个切片图片中有效成分的类别。

进一步地，所述初期识别步骤具体为：

第一预处理步骤，对每个切片图片经过显微镜放大一定倍数后得到对应的第一显微图片并对其进行预处理；

第一特征提取步骤，对经过预处理的第一显微图片进行特征向量提取并得到对应的特征提取结果；

第一识别步骤，根据每个第一显微图片对应的特征提取结果与***中预设的初期识别模型来判断得出每个切片图片内含有有效成分的区域；所述初期识别模型为预先建立的各药材不同的药材状态下对应的切片图片的特征向量库。

进一步地，所述后期识别步骤具体为：

第二预处理步骤，将每个切片图片中含有有效成分的所有区域均通过显微镜放大一定倍数得到对应的第二显微图片，并对每个第二显微图片进行预处理；

第二特征提取步骤，对经过预处理的第二显微图片进行特征向量提取并得到对应的特征提取结果；

第二识别步骤，根据第二显微图片对应的特征提取结果与***中预设的成分识别模型来判断得出每个切片图片内有效成分的类别；所述成分识别模型为预先建立的各有效成分在药材不同状态下对应的切片图片的特征向量库。

进一步地，所述预处理为通过质心对齐和线性差值放大的方法将每个图片进行归一化处理，从而将所有的图片均转换为统一规格的图片。

进一步地，所述特征向量提取具体为首先将每个图片划分为M*N的方格区域，然后计算每个方格中点的密度分布，最终得到每个图片所对应的M*N维特征向量。

进一步地，所述切片包括药材横切面切片和将药材磨粉后的粉末切片。

本发明的目的之二采用如下技术方案实现：

一种电子设备，包括：一个或多个处理器；

存储器；以及一个或者多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由一个或多个处理器执行，所述程序包括用于执行以下方法的步骤：

获取切片步骤，获取待识别药材的多个切片以及对应的切片图片；

初期识别步骤，根据每个切片图片与***中预设的初期识别模型判断每个切片图片内含有有效成分的区域；

后期识别步骤，根据每个切片图片中含有有效成分的区域与***中预设的成分识别模型来判断每个切片图片中有效成分的类别。

进一步地，所述初期识别步骤具体为：

第一预处理步骤，对每个切片图片经过显微镜放大一定倍数后得到对应的第一显微图片并对其进行预处理；

第一特征提取步骤，对经过预处理的第一显微图片进行特征向量提取并得到对应的特征提取结果；

第一识别步骤，根据每个第一显微图片对应的特征提取结果与***中预设的初期识别模型来判断得出每个切片图片内含有有效成分的区域；所述初期识别模型为预先建立的各药材不同的药材状态下对应的切片图片的特征向量库。

进一步地，所述后期识别步骤具体为：

第二预处理步骤，将每个切片图片中含有有效成分的所有区域均通过显微镜放大一定倍数得到对应的第二显微图片，并对每个第二显微图片进行预处理；

第二特征提取步骤，对经过预处理的第二显微图片进行特征向量提取并得到对应的特征提取结果；

第二识别步骤，根据第二显微图片对应的特征提取结果与***中预设的成分识别模型来判断得出每个切片图片内有效成分的类别；所述成分识别模型为预先建立的各有效成分在药材不同状态下对应的切片图片的特征向量库。

本发明的目的之三采用如下技术方案实现：

一种计算机可读存储介质，其特征在于：其存储用于实现基于细胞分析的药材切片检测的计算机程序，其中，所述计算机程序使得计算机执行如前所述的方法。

相比现有技术，本发明的有益效果在于：

本发明利用图像识别技术，将药材切片转换为图片，然后通过机器学习的方式对药材切片的图片建立药材知识库，从而实现了对药材成分的自动识别与标记。本发明有效提高了药材成分鉴别的效率和准确率，缩短了人工判断查找时间，辅助药剂师进行药材鉴别，大大降低了药材鉴别的人力物力成本，提高了药材鉴别时的工作效率。

附图说明

图1为本发明提供的方法流程图之一；

图2为本发明提供的方法流程图之二；

图3为本发明提供的***模块图；

图4为本发明提供的金樱根切片图；

图5为本发明提供的金樱根切片中有有效成分-草酸钙方晶标记图。

具体实施方式

下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。

实施例

本发明主要利用图片识别技术，通过机器学习对药剂师鉴别的药材切片建立药材识别库，然后实现对药材中的有效成分进行自动识别和标记，可有效提高药材成分鉴别的效率和准确率，缩短人工判断查找时间，辅助药剂师进行药材鉴别，大大降低鉴别时的人力物力成本，提高了工作效率。

基于细胞分析的药材切片检测方法，其应用于基于一检测***，如图3所示，该***包括获取模块、初期鉴定模块和后期鉴定模块，获取模块用于获取药材的切片，初期鉴定模块用于根据药材的切片图片来鉴定切片图片中含有有效成分的区域，后期鉴定模块用于根据药材的切片图片中含有有效成分的区域来鉴别有效成分的类别。而初期鉴定模块和后期鉴定模块均包括预处理模块、特征提取模块和识别模块，其中预处理模块用于对药材的切片图片进行处理并转换为统一规格的图片，特征提取模块用于对经过预处理的药材的切片图片进行特征提取并得到对应的特征提取结果，识别模块用于根据对应的特征提取结果与对应的识别模型出判断结果。对于初期鉴定模块中所用到的识别模型为初期识别模型，用于对药材的切片图片中含有有效成分的区域进行鉴别；而后期鉴定模块中所用到的识别模型为成分识别模型，用于对药材的切片图片中的有效成分进行鉴别。

如图1和2所示，该检测方法具体包括以下步骤：

S1、获取待识别药材的多个切片及对应的切片图片。其中切片是指药材在不同状态下的切片，比如药材横切面切片、药材磨粉后的药材粉末状切片等，如图4所示为金樱根切片。再通过图像识别技术将切片转换为计算机可处理的图片。

本发明中对于待识别药材的鉴别包括两个阶段，第一阶段是判断每个切片图片中含有有效成分的区域，该有效成分是区分于每种药材的主要关键点。第二阶段是判断每个切片图片中有效成分的类别，从而完成对药材成分的鉴定。

其中，第一阶段包括以下步骤：

S21、首先通过对每个切片图片经过显微镜进行低倍数放大得到低倍数显微图片。

S22、对每个低倍数显微图片进行预处理将其转换为统一规格的图片。该预处理是为了将每个低倍显微图片均转换为统一规格的图片，便于提高服务器对图片的处理识别性能。本发明中所采用的预处理技术包括质心对齐的方法和线性差值放大的方法。

S23、将经过预处理后的每个低倍数显微图片进行特征提取并得到特征提取结果。通过对图片进行特征提取，可提高类型匹配和识别的存储量和运算速度。由于在药材不同的状态下，每个切片的细胞、胞壁的空间密度、纹理、形状等分布与组合特征均不同，因此每种药材的每个切片图片的特征向量也不同。

特征向量的提取过程具体为：首先将每个切片图片的低倍显微图片划分为M*N的方格区域，然后计算每个方格中点的密度分布，最终得到每个切片的所对应的M*N维特征向量。比如，将每个切片图片的低倍显微图片划分为5*5的方格区域，然后对每个方格中点的密度分布进行计算，最终得到每个切片图片对应的25维特征向量。

S24、根据待识别药材的每个切片图片的特征向量与***中预设的初期识别模型得出每个切片图片中含有有效成分的区域。在使用过程中，还对每个切片图片中含有有效成分的区域进行标记，以便针对该区域进行第二阶段的成分识别标记操作。本发明中所涉及到的初期识别模型是通过对大量已知的药材的多种切片进行机器学习并识别训练得到的各药材不同的药材状态下对应的切片图片的特征向量集。通过初期识别模型来判断得到待识别药材的每个切片图片中含有有效成分的区域，并将其标记出来显示给药剂师查看。

第二阶段具体包括以下步骤：

S31、获取每个切片图片含有有效成分的区域所对应的图片，并将其通过显微镜进行高倍数放大得到对应的高倍数显微图片。

S32、对每个高倍数显微图片进行预处理将其转换为统一规格的图片。

S33、将经过预处理后的每个高倍数显微图片进行特征提取得到对应的特征提取结果。

S34、根据每个高倍数显微图片对应的特征向量与***中预设的成分识别模型得出每个切片图片中有效成分的类别并进行标记。第二阶段中预处理与特征提取的方法均与第一阶段中相同。这里的标记指的是在图片中对其进行大小、尺寸的标记，方便查看。

本发明中所涉及到的成分识别模型是通过对大量已知的药材的切片图片进行机器学习的识别训练得到的各有效成分在药材不同状态下对应的切片图片的特征向量集。通过成分识别模型来判断得到待识别药材的每个切片中含有有效成分的类别，并将其标记出来给药剂师查看。药剂师对其标记进行确认后将各个成分图片根据成分细胞边缘特征进行分割提取，并将提取的图片汇总排布于一张图片中显示给药剂师查看，最终得到待识别药材中的有效成分信息。

本发明公开了一种电子设备，包括一个或多个处理器、存储器以及一个或者多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由一个或多个处理器执行，所述程序包括用于执行上述方法，或者本发明的方法存储在可读的存储介质上，并且该方法程序可以被处理器执行。

本发明还具体给出了具体实例来说明上述检测方法，其具体工作流程如下：

本发明采用对金樱根的鉴别，首先采取金樱根的横切面切片和粉末状的切片。其中金樱根的横切面中木栓细胞数列、红棕色、皮层窄、纤维单个或成束；韧皮部较宽广，有单个纤维或纤维束散在；形成层明显；木质部宽广，导管单个或2～3个相聚，类圆形或椭圆形，直径约至180μm；木射线宽数至十数列细胞，壁稍厚，纹孔明显；薄壁细胞含草酸钙方晶等特点。其粉末呈现棕色至棕褐色；淀粉粒单粒类圆形、椭圆形、盔帽形或不规则形，直径5～25μm，脐点点状、人字状、十字状或短缝状；复粒由2～4分粒组成；草酸钙方晶直径10～50μm；导管多破碎，主为网状具缘纹孔；韧皮纤维细胞壁厚，胞腔小；射线细胞长方形，壁连珠状增厚，纹孔较密；木栓细胞类多角形或长方形，有的内含黄棕色至红棕色物；木纤维散在或成束，有的壁稍厚，纹孔明显。

首先对大量金樱根横切面切片图片、粉末切片图片进行不同倍数的放大的得到对应倍数的图片，然后进行预处理以及特征向量提取，从而建立金樱根的切片的初期识别模型库；然后对每个切片图片中含有的有效成分(比如包括淀粉粒、草酸钙方晶、木栓细胞、纤维、具缘纹孔导管、石细胞、木射线细胞等)的区域进行放大得到对应的图片，并对该图片做预处理和特征向量提取，从而对每个切片图片中包含的有效成分建立成分识别模型库。

在进行药材鉴定时，首先获取一种药材的横切面切片以及粉末状切片的多个低倍数显微图片，并分别对其进行预处理以及特征向量提取，然后根据特征提取结果与初期识别模型得出每个切片图片中是否含有有效成分以及各有效成分的分布区域，然后对其进行标记通过图片显示给药剂师查看。

然后根据上述鉴定结果对每个切片图片中含有有效成分的区域再进行显微镜的放大得到对应的高倍数显微图片，同样对每个高倍数显微图片经过预处理以及特征提取得到特征提取结果，最终根据特征提取结果与成分识别模型得到该药材的每个切片图片中的有效成分的类别并对其进行标记，如图5所示为金樱根切片中有效成分-草酸钙方晶标记图。

最后根据边缘特征提取各个有效成分的图片，然后根据图片边缘最长区域进行按显微图片放大倍数的比例计算的尺寸对其进行标记。

上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。

Claims (10)

1.基于细胞分析的药材切片检测方法，其特征在于包括以下步骤：

获取切片步骤，获取待识别药材的多个切片以及对应的切片图片；

初期识别步骤，根据每个切片图片与***中预设的初期识别模型判断每个切片图片内含有有效成分的区域；

后期识别步骤，根据每个切片图片中含有有效成分的区域与***中预设的成分识别模型来判断每个切片图片中有效成分的类别。

2.如权利要求1所述基于细胞分析的药材切片检测方法，其特征在于：所述初期识别步骤具体为：

第一预处理步骤，对每个切片图片经过显微镜放大一定倍数后得到对应的第一显微图片并对其进行预处理；

第一特征提取步骤，对经过预处理的第一显微图片进行特征向量提取并得到对应的特征提取结果；

第一识别步骤，根据每个第一显微图片对应的特征提取结果与***中预设的初期识别模型来判断得出每个切片图片内含有有效成分的区域；所述初期识别模型为预先建立的各药材不同的药材状态下对应的切片图片的特征向量库。

3.如权利要求1所述基于细胞分析的药材切片检测方法，其特征在于：所述后期识别步骤具体为：

第二预处理步骤，将每个切片图片中含有有效成分的所有区域均通过显微镜放大一定倍数得到对应的第二显微图片，并对每个第二显微图片进行预处理；

第二特征提取步骤，对经过预处理的第二显微图片进行特征向量提取并得到对应的特征提取结果；

第二识别步骤，根据第二显微图片对应的特征提取结果与***中预设的成分识别模型来判断得出每个切片图片内有效成分的类别；所述成分识别模型为预先建立的各有效成分在药材不同状态下对应的切片图片的特征向量库。

4.如权利要求2-3任意一项所述基于细胞分析的药材切片检测方法，其特征在于：所述预处理为通过质心对齐和线性差值放大的方法将每个图片进行归一化处理，从而将所有的图片均转换为统一规格的图片。

5.如权利要求2-3任意一项所述基于细胞分析的药材切片检测方法，其特征在于：所述特征向量提取具体为首先将每个图片划分为M*N的方格区域，然后计算每个方格中点的密度分布，最终得到每个图片所对应的M*N维特征向量。

6.如权利要求1所述基于细胞分析的药材切片检测方法，其特征在于：所述切片包括药材横切面切片和将药材磨粉后的粉末切片。

7.一种电子设备，其特征在于包括：一个或多个处理器；

存储器；以及一个或者多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由一个或多个处理器执行，所述程序包括用于执行以下方法的步骤：

获取切片步骤，获取待识别药材的多个切片以及对应的切片图片；

初期识别步骤，根据每个切片图片与***中预设的初期识别模型判断每个切片图片内含有有效成分的区域；

后期识别步骤，根据每个切片图片中含有有效成分的区域与***中预设的成分识别模型来判断每个切片图片中有效成分的类别。

8.如权利要求7所述电子设备，其特征在于：所述初期识别步骤具体为：

第一预处理步骤，对每个切片图片经过显微镜放大一定倍数后得到对应的第一显微图片并对其进行预处理；

第一特征提取步骤，对经过预处理的第一显微图片进行特征向量提取并得到对应的特征提取结果；

第一识别步骤，根据每个第一显微图片对应的特征提取结果与***中预设的初期识别模型来判断得出每个切片图片内含有有效成分的区域；所述初期识别模型为预先建立的各药材不同的药材状态下对应的切片图片的特征向量库。

9.如权利要求7所述电子设备，其特征在于：所述后期识别步骤具体为：

第二预处理步骤，将每个切片图片中含有有效成分的所有区域均通过显微镜放大一定倍数得到对应的第二显微图片，并对每个第二显微图片进行预处理；

第二特征提取步骤，对经过预处理的第二显微图片进行特征向量提取并得到对应的特征提取结果；

第二识别步骤，根据第二显微图片对应的特征提取结果与***中预设的成分识别模型来判断得出每个切片图片内有效成分的类别；所述成分识别模型为预先建立的各有效成分在药材不同状态下对应的切片图片的特征向量库。

10.一种计算机可读存储介质，其特征在于：其存储用于实现基于细胞分析的药材切片检测的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-6任意一项所述的方法。