CN113901764A - 一种内容排版方法、装置、电子设备和存储介质 - Google Patents
一种内容排版方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113901764A CN113901764A CN202111164734.XA CN202111164734A CN113901764A CN 113901764 A CN113901764 A CN 113901764A CN 202111164734 A CN202111164734 A CN 202111164734A CN 113901764 A CN113901764 A CN 113901764A
- Authority
- CN
- China
- Prior art keywords
- typesetting
- media content
- classified media
- medical
- preset
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
-
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
Landscapes
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本申请实施例公开了一种内容排版方法、装置、电子设备和存储介质;本申请实施例可以获取医学分类媒体内容和医学分类媒体内容的预设排版逻辑;基于预设排版逻辑,对医学分类媒体内容进行排版处理,得到排版后医学分类媒体内容。通过本申请实施例提出的内容排版方法,可以提高诊断的效率。
Description
技术领域
本申请涉及通讯技术领域,具体涉及一种内容排版方法、装置、电子设备和存储介质。
背景技术
随着人工智能的发展,尤其是人工神经网络的快速发展,从而使得人工智能技术得到了较为广泛的应用。目前,人工智能技术也应用到了医学领域。例如,可以利用基于人工智能技术医学信息进行识别,得到医学信息对应的诊断信息,并对诊断信息进行排版。但是,现有的人工智能技术往往是按照固定的排版格式对诊断信息进行排版,得到排版后诊断信息。因此,对象在获取得到排版后诊断信息之后,还需要对排版后医学分类媒体内容进行重新排版,这将降低诊断的效率。
发明内容
本申请实施例提出了一种内容排版方法、装置、电子设备和存储介质,可以提高诊断的效率。
本申请实施例提供了一种内容排版方法,包括:
获取医学分类媒体内容和所述医学分类媒体内容的预设排版逻辑;
基于所述预设排版逻辑,对所述医学分类媒体内容进行排版处理,得到排版后医学分类媒体内容。
相应的,本申请实施例还提供了一种内容排版装置,包括:
获取单元,用于获取医学分类媒体内容和所述医学分类媒体内容的预设排版逻辑;
排版单元,用于基于所述预设排版逻辑,对所述医学分类媒体内容进行排版处理,得到排版后医学分类媒体内容。
在一实施例中,所述排版单元,包括:
解析子单元,用于对所述排版逻辑进行解析,得到内容排版顺序信息和内容排版位置信息;
顺序调整子单元,用于基于所述内容排版顺序信息,对所述医学分类媒体内容进行顺序调整处理,得到顺序调整后医学分类媒体内容;
位置调整子单元,用于基于所述内容排版位置信息,对所述顺序调整后医学分类媒体内容进行位置调整处理,得到所述排版后医学分类媒体内容。
在一实施例中,所述内容排版装置,还包括:
逻辑获取单元,用于获取所述医学分类媒体内容的预设操作逻辑;
操作单元,用于基于所述预设操作逻辑对所述医学分类媒体内容进行操作处理,得到操作后医学分类媒体内容。
在一实施例中,所述获取单元,包括:
识别子单元,用于对所述医学分类媒体内容进行识别,得到所述医学分类媒体内容的对象标识;
确定子单元,用于基于所述对象标识,确定所述医学分类媒体内容的预设排版逻辑。
在一实施例中,所述内容排版装置,还包括:
模型获取单元,用于利用预设排版模型获取医学分类媒体内容和所述医学分类媒体内容的预设排版逻辑;
模型排版单元,用于利用预设排版模型基于所述预设排版逻辑,对所述医学分类媒体内容进行排版处理,得到排版后医学分类媒体内容。
在一实施例中,所述内容排版装置,还包括:
样本获取单元,用于获取医学分类媒体内容样本和待训练排版模型;
特征生成单元,用于对所述医学分类媒体内容样本进行特征生成处理,得到所述医学分类媒体内容样本的排版特征;
训练单元,用于利用所述排版特征对所述待训练排版模型进行训练,得到所述预设排版模型。
在一实施例中,所述特征生成单元,包括:
属性获取子单元,用于获取所述医学分类媒体内容样本的至少一个属性信息;
统计子单元,用于对所述至少一个属性信息进行统计处理,得到每个属性信息的统计数据;
等级设置子单元,用于基于所述统计数据对每个属性信息进行等级设置处理,得到每个属性信息的排版等级;
整合子单元,用于将所述属性信息和所述属性信息的排版等级进行整合处理,得到所述排版特征。
在一实施例中,所述等级设置子单元,包括:
权重获取模块,用于获取所述每个属性信息的预设排版权重;
运算模块,用于将所述预设排版权重和所述统计数据进行运算处理,得到所述排版等级。
相应的,本申请实施例还提供一种电子设备,所述电子设备包括存储器和处理器;所述存储器存储有计算机程序,所述处理器用于运行所述存储器内的计算机程序,以执行本申请实施例任一提供的内容排版方法。
相应的,本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现本申请实施例任一提供的内容排版方法。
本申请实施例可以获取医学分类媒体内容和医学分类媒体内容的预设排版逻辑;基于预设排版逻辑,对医学分类媒体内容进行排版处理,得到排版后医学分类媒体内容。通过本申请实施例提出的内容排版方法,可以提高诊断的效率。
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,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,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内容排版方法的场景示意图;
图2是本申请实施例提供的内容排版方法的流程示意图;
图3是本申请实施例提供的内容排版方法的又一场景示意图;
图4是本申请实施例提供的内容排版方法的又一流程示意图;
图5是本申请实施例提供的内容排版装置的结构示意图;
图6是本申请实施例提供的电子设备的结构示意图。
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,然而,所描述的实施例仅仅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。
本申请实施例提出了一种内容排版方法,该内容排版方法可以由内容排版装置执行,该内容排版装置可以集成在电子设备中。其中,该电子设备可以包括终端以及服务器等中的至少一个。即该内容排版方法可以由终端执行,也可以由服务器执行。
其中,该终端可以包括智能电视、智能手机、智能家居、可穿戴电子设备、VR/AR产品、车载计算机、智能电脑等等。
其中,服务器可以为多个异构***之间的互通服务器或者产品验证测试***的后台服务器,还可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式***,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、以及大数据和人工智能平台等基础云计算服务的云服务器等等。
在一实施例中,如图1所示,内容排版装置可以集成在终端或服务器等电子设备上,以实施本申请实施例提出的内容排版方法。具体地,电子设备可以获取医学分类媒体内容和医学分类媒体内容的预设排版逻辑;基于预设排版逻辑,对医学分类媒体内容进行排版处理,得到排版后医学分类媒体内容。
以下分别进行详细说明,需要说明的是,以下实施例的描述顺序不作为对实施例优选顺序的限定。
本申请实施例将从内容排版装置的角度进行描述,该内容排版装置可以集成在电子设备中,该电子设备可以包括终端,还可以包括服务器等等。
如图2所示,提供了一种内容排版方法,具体流程包括:
101、获取医学分类媒体内容和医学分类媒体内容的预设排版逻辑。
其中,媒体内容可以包括图像、视频、文字报告、说明书等中的一种或多种。
其中,医学分类媒体内容可以包括对医学信息进行分类的内容。例如,医学分类内容可以包括诊断信息,其中,该诊断信息可以是图像、视频、文字报告、说明书等中的一种或多种。其中,当诊断信息是图像时,可以是组合图、放大图、局部视角图等等的不同种类的图像。
其中,当诊断信息是图像时,该图像可包括电子计算机断层扫描(ComputedTomography,CT)图像、磁共振检查(MagneticResonance,MR)图像和超声波图像,等等。
在一实施例中,有多种方式可以获取医学分类媒体内容。例如,可以利用扫描设备对人体生理组织结构进行扫描,获得诊断图像。又例如,可以从数据库中获取医学分类媒体内容,等等。
其中,预设排版逻辑可以包括预先设置好的,对医学分类媒体内容进行排版时需要遵循的逻辑。例如,该预设排版逻辑可以由图文顺序、图文尺寸、图文位置等信息组成的排版规则。
在一实施例中,由于不同的医生对诊断信息具有不同的排版习惯,所以在获取医学分类媒体内容和医学分类媒体内容的预设排版逻辑时,可以对医学分类媒体内容进行识别,得到医学分类媒体内容的对象标识。然后,可以基于对象标识,确定医学分类媒体内容的预设排版逻辑。具体的,步骤“获取医学分类媒体内容和医学分类媒体内容的预设排版逻辑”,可以包括:
对医学分类媒体内容进行识别,得到医学分类媒体内容的对象标识;
基于对象标识,确定医学分类媒体内容的预设排版逻辑。
其中,对象标识可以包括识别出医学分类媒体内容对应的对象的信息。通过对象标识,可以区别出医学分类媒体内容对应的对象。
在一实施例中,在得到医学分类媒体内容的对象标识之后,可以基于对象标识,确定医学分类媒体内容的预设排版逻辑。
其中,有多种方式确定医学分类媒体内容的预设排版逻辑。例如,可以将对象标识和预设排版逻辑对应的标识进行匹配,并根据匹配结果确定医学分类内容的预设排版逻辑。又例如,还可以利用人工智能算法基于对象标识确定医学分类媒体内容的预设排版逻辑,等等。
在一实施例中,还可以利用人智能算法获取医学分类媒体内容和医学分类媒体内容的预设排版逻辑。具体的,步骤“获取医学分类媒体内容和医学分类媒体内容的预设排版逻辑”,可以包括:
利用预设排版模型获取医学分类媒体内容和医学分类媒体内容的预设排版逻辑。
其中,预设排版模型可以包括预先设置好的可以实现对医学分类媒体内容进行排版的逻辑。在该预设排版模型中具有不同医生或不同科室对应的排版逻辑,所以,预设排版模型可以利用预设排版模型获取医学分类媒体内容和医学分类媒体内容的预设排版逻辑。
在一实施例中,该预设排版模型可以为深度学习模型和机器学习模型。其中,预设排版模型可以包括卷积神经网络(ConvolutionalNeuralNetworks,CNN)、反卷积神经网络(De-ConvolutionalNetworks,DN)、深度神经网络(DeepNeuralNetworks,DNN)、深度卷积逆向图网络(DeepConvolutionalInverseGraphicsNetworks,DCIGN)、基于区域的卷积网络(Region-basedConvolutionalNetworks,RCNN)、基于区域的快速卷积网络(FasterRegion-basedConvolutionalNetworks,FasterRCNN)和双向编解码(BidirectionalEncoderRepresentationsfromTransformers,BERT)模型等等中的任意一种。
在一实施例中,本申请实施例对获取得到医学分类媒体内容的数量并无限制。例如,可以获取得到一个医学分类媒体内容。又例如,可以获取得到多个医学分类媒体内容。
102、基于预设排版逻辑,对医学分类媒体内容进行排版处理,得到排版后医学分类媒体内容。
在一实施例中,在获取了预设排版逻辑之后,可以基于预设排版逻辑,对医学分类媒体内容进行排版处理,得到排版后医学分类媒体内容。
在一实施例中,可以对排版逻辑进行解析,得到内容排版顺序信息和内容排版位置信息。然后,基于内容排版顺序信息和内容排版位置信息对医学分类媒体内容进行排版处理,得到排版医学分类媒体内容。具体的,步骤“基于预设排版逻辑,对医学分类媒体内容进行排版处理,得到排版后医学分类媒体内容”,可以包括:
对排版逻辑进行解析,得到内容排版顺序信息和内容排版位置信息;
基于内容排版顺序信息,对医学分类媒体内容进行顺序调整处理,得到顺序调整后医学分类媒体内容;
基于内容排版位置信息,对顺序调整后医学分类媒体内容进行位置调整处理,得到排版后医学分类媒体内容。
其中,内容排版顺序信息包括说明如何对医学分类媒体内容进行排序的信息。例如,内容排版顺序信息可以包括将类型A的医学分类媒体内容排在类型B的医学分类媒体内容前面。例如,如图3所示,内容排版顺序信息可以包括将非钙化的诊断图像001排在钙化的诊断图像002前面。
其中,内容排版位置信息包括说明对医学分类媒体内容的位置如何放置的信息。例如,如图3所示,有多个非钙化的诊断图像003、004和005,内容排版装置可以通过内容配备位置信息确定这几个非钙化诊断图像的排版位置。
在一实施例中,可以通过对排版逻辑进行遍历,得到内容排版顺序信息和内容排版位置信息。
在一实施例中,可以基于内容排版顺序信息,对医学分类媒体内容进行顺序调整处理,得到顺序调整后医学分类媒体内容。其中,有多种方式可以对医学分类媒体内容进行顺序调整处理,得到顺序调整后医学分类媒体内容。例如,可以更改每个医学分类媒体内容的顺序参数,可以实现对医学分类媒体内容的顺序进行调整。
在一实施例中,可以基于内容排版位置信息,对顺序调整后医学分类媒体内容进行位置调整处理,得到排版后医学分类媒体内容。例如,可以对顺序调整后医学分类媒体内容的位置参数进行调整,从而得到排版后医学分类媒体内容。
在一实施例中,当内容排版装置对排版逻辑进行解析仅得到内容排版顺序信息时,可以仅基于内容排版顺序信息,对医学分类媒体内容进行顺序调整处理,得到排版后医学分类媒体内容。
在一实施例中,当内容排版装置对排版逻辑进行解析仅得到内容排版位置信息时,可以仅基于内容排版顺序信息,对医学分类媒体内容进行位置调整处理,得到排版后医学分类媒体内容。
在一实施例中,本申请实施例提出的内容排版方法还可以对医学分类媒体内容进行操作处理。具体的,本申请实施例提出的内容排版方法还可以包括:
获取医学分类媒体内容的预设操作逻辑;
基于预设操作逻辑对医学分类媒体内容进行操作处理,得到操作后医学分类媒体内容。
其中,操作处理可以包括会医学分类媒体内容的形态的操作。例如,操作处理可以包括对医学分类媒体内容进行放大、缩小、标识、高亮、颜色提示、图像增强和隐藏不关注的图文等等的操作。
其中,预设操作逻辑包括预先设置好的可以实现对医学分类媒体内容进行操作的逻辑。通过预设操作逻辑,内容排版设备可以模拟医师对医学分类媒体内容进行操作,从而使得得到的操作后分类媒体内容符合医师的操作习惯。
例如,预设操作逻辑规定对类型为A的诊断信息进行放大处理,而对类型为B的诊断信息进行标识处理。当内容排版装置识别到类型为A的诊断信息时,便会对诊断信息进行放大。而当内容排版装置识别到类型为B的诊断信息时,便会诊断信息进行标识处理。
在一实施例中,还可以采用人工智能技术基于预设排版逻辑,对医学分类媒体内容进行排版处理,得到排版后医学分类媒体内容。具体的,步骤“基于预设排版逻辑,对医学分类媒体内容进行排版处理,得到排版后医学分类媒体内容”,可以包括:
利用预设排版模型基于预设排版逻辑,对医学分类媒体内容进行排版处理,得到排版后医学分类媒体内容。
在一实施例中,在利用预设排版模型执行本申请实施例提出的内容排版方法之前,可以对初始化待训练排版模型,并对待训练排版模型进行训练,得到预设排版模型。具体的,步骤“利用预设排版模型获取医学分类媒体内容和医学分类媒体内容的预设排版逻辑”之前,可以包括:
获取医学分类媒体内容样本和待训练排版模型;
对医学分类媒体内容样本进行特征生成处理,得到医学分类媒体内容样本的排版特征;
利用排版特征对待训练排版模型进行训练,得到预设排版模型。
其中,待训练排版模型可以包括性能未达到要求,仍需要训练的模型。
其中,医学分类媒体内容样本可以包括对待训练排版模型进行训练时所需要用到的训练数据。
其中,排版特征包括可以说明医生对医学分类媒体内容进行分类时的规律或特点。
在一实施例中,在获取得到医学分类媒体内容样本之后,可以对医学分类媒体内容样本进行特征生成处理,得到医学分类媒体内容样本的排版特征。具体的,步骤“对医学分类媒体内容样本进行特征生成处理,得到医学分类媒体内容样本的排版特征”,可以包括:
获取医学分类媒体内容样本的至少一个属性信息;
对至少一个属性信息进行统计处理,得到每个属性信息的统计数据;
基于统计数据对每个属性信息进行等级设置处理,得到每个属性信息的排版等级;
将属性信息和属性信息的排版等级进行整合处理,得到排版特征。
其中,属性信息可以包括可以体现出医学分类媒体内容排版规律的信息。例如,属性信息可以包括诊断信息的出现时间、次数、频率、尺寸(在查看某一图像/文字信息时,该图像/文字报告的尺寸)、关联信息(在同一时间内,查看某个诊断信息时,还会查看哪些图像、文字等信息)、复杂程度(干扰度,可手动设置)、病灶严重程度等等。
其中,排版等级可以包括说明属性信息的重要程度的信息。其中,一般越重要的属性信息,排版等级会越高。
在一实施例中,在获取得到医学分类媒体内容的至少一个属性信息之后,可以对至少一个属性信息进行统计处理,得到每个属性信息的统计数据。例如,内容排版装置可以统计每项诊断信息出现的时间、次数、频率、尺寸(在查看某一图像/文字信息时,该图像/文字报告的尺寸)、关联信息(在同一时间内,查看某个诊断信息时,还会查看哪些图像、文字等信息)、复杂程度(干扰度,可手动设置)、病灶严重程度等属性信息,从而得到每个属性信息的统计数据。
内容排版装置通过得到每个属性信息的统计数据,可以知道医学分类媒体内容在什么时候出现,出现的次数和频率是多少,会和哪些图像、文字进行关联等等,从而得到医生对医学分类媒体内容的排版习惯。
在一实施例中,在得到每个属性信息的统计数据之后,内容排版装置可以基于统计数据对每个属性信息进行等级设置处理,从而得到每个属性信息的排版等级。具体的,步骤“基于所述统计数据对每个属性信息进行等级设置处理,得到每个属性信息的排版等级”,可以包括:
获取每个属性信息的预设排版权重;
将预设排版权重和统计数据进行运算处理,得到排版等级。
其中,预设排版权重可以是医师对每个属性信息提前设置好的排版权重。例如,出现的时间、频率、次数和病灶严重程度对应的排版权重可以是5,而关联信息、尺寸和复杂程度的严重程度可以是3,等等。
在一实施例中,在获取到每个属性信息的预设排版权重后,可以将预设排版权重和统计数据进行运算处理,得到排版等级。
其中,有多种方式可以将预设排版权重和统计数据进行运算处理,得到排版等级。例如,可以将预设排版权重和统计数据进行相乘,得到排版等级。又例如,可以将预设排版权重和统计数据进行相加,得到排版等级,等等。
在一实施例中,内容排版装置在得到每个属性信息的排版等级之后,可以将属性信息和属性信息的排版等级进行整合处理,得到排版特征。例如,可以为属性信息添加上排版等级,得到排版特征。又例如,可以为属性信息和属性信息的排版等级添加上相同的标识,从而得到排版特征。
在一实施例中,在得到排版特征之后,可以利用排版特征对待训练排版模型进行训练,得到预设排版模型。例如,可以将医学分类媒体内容样本和排版特征输入到待训练排版模型中。然后,待训练排版模型会基于排版特征生成排版逻辑,并利用排版逻辑对医学分类媒体内容样本进行排版处理,得到排版后医学分类媒体内容样本。然后,可以计算预设医学分类媒体内容标签和排版后医学分类媒体内容样本之间的损失信息,并基于该损失信息对预设排版模型进行参数调整。通过不断地重复上述过程,从而得到符合性能要求的预设排版模型。
本申请实施例提出的内容排版方法可以获取医学分类媒体内容和医学分类媒体内容的预设排版逻辑;基于预设排版逻辑,对医学分类媒体内容进行排版处理,得到排版后医学分类媒体内容。通过本申请实施例提出的内容排版方法,可以根据医生的习惯对医学分类媒体内容进行排版,从而使得医生获取到排版后医学分类媒体内容之后,不需要再对排版后医学分类媒体内容进行调整,从而节约了医生对医学分类媒体内容进行排版的时间,提高了对医学分类媒体内容进行排版的效率。
根据上面实施例所描述的方法,以下将举例作进一步详细说明。
本申请实施例将以图像处理方法集成在电子设备上为例来介绍本申请实施例方法。例如,如图4所示,本申请实施例提出的内容排版方法可以包括:
201、电子设备获取医学分类媒体内容和医学分类媒体内容的预设排版逻辑。
在本申请实施例中,电子设备可以利用深度学习神经网络,将以往医师诊断过程中对诊断信息进行查看顺序作为输入,通过多次训练,形成排版模型;利用排版模型,自动对获取得到的诊断信息进行排版,从而实现针对医师诊断习惯或者特定病灶诊断流程的自动排版。通过本申请实施例可以大幅度节省诊断时间,提供诊断的准确性。
其中,排版模型的构建步骤可以如下:
(1)对每项诊断信息设置优先值(排版等级)。具体的,可以统计AI诊断信息出现的时间、次数、频率、尺寸(在查看某一图像/文字信息时,该图像/文字报告的尺寸)、关联信息(在同一时间内,查看某个AI诊断信息时,还会查看哪些图像、文字等信息)、复杂程度(干扰度,可手动设置)、病灶严重程度等属性信息,并基于统计数据生成每个属性信息的排版等级。然后,可以基于属性信息和属性信息的排版等级,生成排版特征。
(2)可以将每项诊断信息和诊断信息对应的排版特征作为模型输入,利用深度学习神经网络或机器学习(例如回归模型)等等人工智能模型进行多次训练,得到排版模型。
其中,本申请实施例中所提到的诊断信息可以是独立的图像、视频或文字信息;也可以包含多个图像、视频或文字信息。其中,图像可以是:组合图、放大图、局部视图等等的不同种类的图像。
其中,本申请实施例中生理组织图像可以为不同扫描类型、不同位置或不同后处理的诊断信息。还可以是不同病灶、组织器官等诊断信息,等等。
在一实施例中,电子设备可以利用排版模型获取医学分类媒体内容和医学分类媒体内容的预设排版逻辑。
202、电子设备基于预设排版逻辑,对医学分类媒体内容进行排版处理,得到排版后医学分类媒体内容。
在一实施例中,电子设备可以利用预设排版模型中的预设排版逻辑,对医学分类媒体内容进行排版处理,得到排版后医学分类媒体内容。
其中,排版模型对诊断信息进行排序的方式还可以为高亮、颜色提示、隐藏不关注的图文等等。例如,排序时,采用不同的颜色框对图像边缘进行颜色标记,作为医师查阅的观看提示。
此外,电子设备在对图像进行自动排序后,可以提示医师是否按照自动排序的方式查看诊断。若是,则按照自动排序的AI诊断信息进行诊断;若否,医师可以手动调整图文排版,或者,在自动排版的信息的基础上,进一步添加或删减。
本申请实施例提出的内容排版方法可以适用于多个不同的应用场景。
例如,患者利用CT机对肝脏进行扫描,得到多个图像序列。利用AI辅助诊断***,对图像中的肝脏病灶进行诊断,得到AI诊断的图文信息。其中,AI诊断信息可以包括:标记有多个病灶区域的肝脏扫描图像和文字报告;还可以包括:根据AI诊断图像进行图像后处理的图像。通过利用本申请实施例提出的排版模型,可以对多种后处理图像进行智能排序。
又例如,患者利用磁共振仪对心脏进行扫描,得到多个心脏冠脉血管的图像。利用AI辅助诊断***对病灶进行诊断;得到血管钙化、出血、动脉瘤等病灶图像。利用本申请实施例提出的排版模型,可以对与血管钙化相关的图像,按照排序规则进行排序。或者,根据排序规则,展现宏观展示图或者微观展示图组,等等。
本申请实施例提出的内容排版方法中,电子设备可以获取医学分类媒体内容和医学分类媒体内容的预设排版逻辑;基于预设排版逻辑,电子设备对医学分类媒体内容进行排版处理,得到排版后医学分类媒体内容。通过本申请实施例提出的内容排版方法,电子设备可以根据医生的习惯对医学分类媒体内容进行排版,从而使得医生获取到排版后医学分类媒体内容之后,不需要再对排版后医学分类媒体内容进行调整,从而节约了医生对医学分类媒体内容进行排版的时间,提高了对医学分类媒体内容进行排版的效率。
为了更好地实施本申请实施例提供的内容排版方法,在一实施例中还提供了一种内容排版装置,该内容排版装置可以集成于电子设备中。其中名词的含义与上述内容排版方法中相同,具体实现细节可以参考方法实施例中的说明。
在一实施例中,提供了一种内容排版装置,该内容排版装置具体可以集成在电子设备,例如智能家居等等中,如图5所示,该内容排版装置包括:获取单元301、排版单元302,具体如下:
获取单元301,用于获取医学分类媒体内容和所述医学分类媒体内容的预设排版逻辑;
排版单元302,用于基于所述预设排版逻辑,对所述医学分类媒体内容进行排版处理,得到排版后医学分类媒体内容。
在一实施例中,所述排版单元302,包括:
解析子单元,用于对所述排版逻辑进行解析,得到内容排版顺序信息和内容排版位置信息;
顺序调整子单元,用于基于所述内容排版顺序信息,对所述医学分类媒体内容进行顺序调整处理,得到顺序调整后医学分类媒体内容;
位置调整子单元,用于基于所述内容排版位置信息,对所述顺序调整后医学分类媒体内容进行位置调整处理,得到所述排版后医学分类媒体内容。
在一实施例中,所述内容排版装置,还包括:
逻辑获取单元,用于获取所述医学分类媒体内容的预设操作逻辑;
操作单元,用于基于所述预设操作逻辑对所述医学分类媒体内容进行操作处理,得到操作后医学分类媒体内容。
在一实施例中,所述获取单元301,包括:
识别子单元,用于对所述医学分类媒体内容进行识别,得到所述医学分类媒体内容的对象标识;
确定子单元,用于基于所述对象标识,确定所述医学分类媒体内容的预设排版逻辑。
在一实施例中,所述内容排版装置,还包括:
模型获取单元,用于利用预设排版模型获取医学分类媒体内容和所述医学分类媒体内容的预设排版逻辑;
模型排版单元,用于利用预设排版模型基于所述预设排版逻辑,对所述医学分类媒体内容进行排版处理,得到排版后医学分类媒体内容。
在一实施例中,所述内容排版装置,还包括:
样本获取单元,用于获取医学分类媒体内容样本和待训练排版模型;
特征生成单元,用于对所述医学分类媒体内容样本进行特征生成处理,得到所述医学分类媒体内容样本的排版特征;
训练单元,用于利用所述排版特征对所述待训练排版模型进行训练,得到所述预设排版模型。
在一实施例中,所述特征生成单元,包括:
属性获取子单元,用于获取所述医学分类媒体内容样本的至少一个属性信息;
统计子单元,用于对所述至少一个属性信息进行统计处理,得到每个属性信息的统计数据;
等级设置子单元,用于基于所述统计数据对每个属性信息进行等级设置处理,得到每个属性信息的排版等级;
整合子单元,用于将所述属性信息和所述属性信息的排版等级进行整合处理,得到所述排版特征。
在一实施例中,所述等级设置子单元,包括:
权重获取模块,用于获取所述每个属性信息的预设排版权重;
运算模块,用于将所述预设排版权重和所述统计数据进行运算处理,得到所述排版等级。
具体实施时,以上各个单元可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元的具体实施可参见前面的方法实施例,在此不再赘述。
通过上述的内容排版装置可以提高对医学分类媒体内容进行排版的效率。
本申请实施例还提供一种电子设备,该电子设备可以包括终端或服务器,比如,电子设备可以作为内容排版终端,该内容排版终端可以为智能电视等等;又比如计算机产品可以为服务器,如内容排版服务器等。如图6所示,其示出了本申请实施例所涉及的终端的结构示意图,具体来讲:
该电子设备可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解,图6中示出的电子设备结构并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器401是该电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器402内的软件程序和/或模块,以及调用存储在存储器402内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体监控。可选的,处理器401可包括一个或多个处理核心;优选的,处理器401可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作***、用户页面和应用程序等,调制解调处理器主要处理无线通讯。可以理解的是,上述调制解调处理器也可以不集成到处理器401中。
存储器402可用于存储软件程序以及模块,处理器401通过运行存储在存储器402的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器402可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据计算机产品的使用所创建的数据等。此外,存储器402可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器402还可以包括存储器控制器,以提供处理器401对存储器402的访问。
电子设备还包括给各个部件供电的电源403,优选的,电源403可以通过电源管理***与处理器401逻辑相连,从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电***、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该电子设备还可包括输入单元404,该输入单元404可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,电子设备还可以包括排版单元等,在此不再赘述。具体在本实施例中,电子设备中的处理器401会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中,并由处理器401来运行存储在存储器402中的应用程序,从而实现各种功能,如下:
获取医学分类媒体内容和所述医学分类媒体内容的预设排版逻辑;
基于所述预设排版逻辑,对所述医学分类媒体内容进行排版处理,得到排版后医学分类媒体内容。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
根据本申请的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机产品的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机产品执行上述实施例中各种可选实现方式中提供的方法。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过计算机程序来完成,或通过计算机程序控制相关的硬件来完成,该计算机程序可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本申请实施例还提供一种存储介质,其中存储有计算机程序,该计算机程序能够被处理器进行加载,以执行本申请实施例所提供的任一种内容排版方法中的步骤。例如,该计算机程序可以执行如下步骤:
获取医学分类媒体内容和所述医学分类媒体内容的预设排版逻辑;
基于所述预设排版逻辑,对所述医学分类媒体内容进行排版处理,得到排版后医学分类媒体内容。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
由于该存储介质中所存储的计算机程序,可以执行本申请实施例所提供的任一种内容排版方法中的步骤,因此,可以实现本申请实施例所提供的任一种内容排版方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
以上对本申请实施例所提供的一种内容排版方法、装置、电子设备和存储介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (11)
1.一种内容排版方法,其特征在于,包括:
获取医学分类媒体内容和所述医学分类媒体内容的预设排版逻辑;
基于所述预设排版逻辑,对所述医学分类媒体内容进行排版处理,得到排版后医学分类媒体内容。
2.如权利要求1所述的方法,其特征在于,所述基于所述预设排版逻辑,对所述医学分类媒体内容进行排版处理,得到排版后医学分类媒体内容,包括:
对所述排版逻辑进行解析,得到内容排版顺序信息和内容排版位置信息;
基于所述内容排版顺序信息,对所述医学分类媒体内容进行顺序调整处理,得到顺序调整后医学分类媒体内容;
基于所述内容排版位置信息,对所述顺序调整后医学分类媒体内容进行位置调整处理,得到所述排版后医学分类媒体内容。
3.如权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述医学分类媒体内容的预设操作逻辑;
基于所述预设操作逻辑对所述医学分类媒体内容进行操作处理,得到操作后医学分类媒体内容。
4.如权利要求1所述的方法,其特征在于,所述获取医学分类媒体内容和所述医学分类媒体内容的预设排版逻辑,包括:
对所述医学分类媒体内容进行识别,得到所述医学分类媒体内容的对象标识;
基于所述对象标识,确定所述医学分类媒体内容的预设排版逻辑。
5.如权利要求1所述的方法,其特征在于,所述获取医学分类媒体内容和所述医学分类媒体内容的预设排版逻辑,包括:
利用预设排版模型获取医学分类媒体内容和所述医学分类媒体内容的预设排版逻辑;
所述基于所述预设排版逻辑,对所述医学分类媒体内容进行排版处理,得到排版后医学分类媒体内容,包括:
利用预设排版模型基于所述预设排版逻辑,对所述医学分类媒体内容进行排版处理,得到排版后医学分类媒体内容。
6.如权利要求5所述的方法,其特征在于,所述利用预设排版模型获取医学分类媒体内容和所述医学分类媒体内容的预设排版逻辑之前,还包括:
获取医学分类媒体内容样本和待训练排版模型;
对所述医学分类媒体内容样本进行特征生成处理,得到所述医学分类媒体内容样本的排版特征;
利用所述排版特征对所述待训练排版模型进行训练,得到所述预设排版模型。
7.如权利要求6所述的方法,其特征在于,所述对所述医学分类媒体内容样本进行特征生成处理,得到所述医学分类媒体内容样本的排版特征,包括:
获取所述医学分类媒体内容样本的至少一个属性信息;
对所述至少一个属性信息进行统计处理,得到每个属性信息的统计数据;
基于所述统计数据对每个属性信息进行等级设置处理,得到每个属性信息的排版等级;
将所述属性信息和所述属性信息的排版等级进行整合处理,得到所述排版特征。
8.如权利要求7所述的方法,其特征在于,所述基于所述统计数据对每个属性信息进行等级设置处理,得到每个属性信息的排版等级,包括:
获取所述每个属性信息的预设排版权重;
将所述预设排版权重和所述统计数据进行运算处理,得到所述排版等级。
9.一种内容排版装置,其特征在于,包括:
获取单元,用于获取医学分类媒体内容和所述医学分类媒体内容的预设排版逻辑;
排版单元,用于基于所述预设排版逻辑,对所述医学分类媒体内容进行排版处理,得到排版后医学分类媒体内容。
10.一种电子设备,其特征在于,包括存储器和处理器;所述存储器存储有计算机程序,所述处理器用于运行所述存储器内的计算机程序,以执行权利要求1至8任一项所述的内容排版方法。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有多条计算机程序,所述计算机程序适于处理器进行加载,以执行权利要求1至8任一项所述的内容排版方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111164734.XA CN113901764A (zh) | 2021-09-30 | 2021-09-30 | 一种内容排版方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111164734.XA CN113901764A (zh) | 2021-09-30 | 2021-09-30 | 一种内容排版方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113901764A true CN113901764A (zh) | 2022-01-07 |
Family
ID=79189881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111164734.XA Pending CN113901764A (zh) | 2021-09-30 | 2021-09-30 | 一种内容排版方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113901764A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116738934A (zh) * | 2023-08-09 | 2023-09-12 | 京华信息科技股份有限公司 | 一种文书自动排版方法及*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105589842A (zh) * | 2014-11-14 | 2016-05-18 | 北大方正集团有限公司 | 数字出版物的排版方法及装置 |
CN106155371A (zh) * | 2015-03-25 | 2016-11-23 | 联想(北京)有限公司 | 信息处理方法、装置及电子设备 |
CN107358023A (zh) * | 2017-06-06 | 2017-11-17 | 沈阳东软医疗***有限公司 | 生成医学报告、交互医学报告的方法、***及设备 |
CN109740140A (zh) * | 2018-12-28 | 2019-05-10 | 北京百度网讯科技有限公司 | 页面排版方法、装置和计算机设备 |
CN109783792A (zh) * | 2018-12-13 | 2019-05-21 | 方正璞华软件(武汉)股份有限公司 | 图文排版方法及装置 |
CN110362805A (zh) * | 2018-04-09 | 2019-10-22 | 成都野望数码科技有限公司 | 一种内容排版推荐的方法、装置以及终端设备 |
CN110390091A (zh) * | 2018-04-18 | 2019-10-29 | 成都野望数码科技有限公司 | 一种排版文档生成方法、装置及设备 |
CN112784562A (zh) * | 2020-01-03 | 2021-05-11 | 珠海金山办公软件有限公司 | 一种文档中文本内容的排版方法及装置 |
CN113361247A (zh) * | 2021-06-23 | 2021-09-07 | 北京百度网讯科技有限公司 | 文档版面分析方法、模型训练方法、装置和设备 |
-
2021
- 2021-09-30 CN CN202111164734.XA patent/CN113901764A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105589842A (zh) * | 2014-11-14 | 2016-05-18 | 北大方正集团有限公司 | 数字出版物的排版方法及装置 |
CN106155371A (zh) * | 2015-03-25 | 2016-11-23 | 联想(北京)有限公司 | 信息处理方法、装置及电子设备 |
CN107358023A (zh) * | 2017-06-06 | 2017-11-17 | 沈阳东软医疗***有限公司 | 生成医学报告、交互医学报告的方法、***及设备 |
CN110362805A (zh) * | 2018-04-09 | 2019-10-22 | 成都野望数码科技有限公司 | 一种内容排版推荐的方法、装置以及终端设备 |
CN110390091A (zh) * | 2018-04-18 | 2019-10-29 | 成都野望数码科技有限公司 | 一种排版文档生成方法、装置及设备 |
CN109783792A (zh) * | 2018-12-13 | 2019-05-21 | 方正璞华软件(武汉)股份有限公司 | 图文排版方法及装置 |
CN109740140A (zh) * | 2018-12-28 | 2019-05-10 | 北京百度网讯科技有限公司 | 页面排版方法、装置和计算机设备 |
CN112784562A (zh) * | 2020-01-03 | 2021-05-11 | 珠海金山办公软件有限公司 | 一种文档中文本内容的排版方法及装置 |
CN113361247A (zh) * | 2021-06-23 | 2021-09-07 | 北京百度网讯科技有限公司 | 文档版面分析方法、模型训练方法、装置和设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116738934A (zh) * | 2023-08-09 | 2023-09-12 | 京华信息科技股份有限公司 | 一种文书自动排版方法及*** |
CN116738934B (zh) * | 2023-08-09 | 2024-03-19 | 京华信息科技股份有限公司 | 一种文书自动排版方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110335259B (zh) | 一种医学影像识别方法、装置和存储介质 | |
US11322242B2 (en) | Method and recording medium | |
JP5054252B1 (ja) | 類似症例検索装置、類似症例検索方法、類似症例検索装置の作動方法およびプログラム | |
US20200065706A1 (en) | Method for verifying training data, training system, and computer program product | |
CN109074869B (zh) | 医疗诊断支持装置、信息处理方法以及医疗诊断支持*** | |
CN109858562A (zh) | 一种医学影像的分类方法、装置和存储介质 | |
CN108496200A (zh) | 图像数据预处理 | |
JP2019074868A (ja) | 診断支援装置、情報処理方法、診断支援システム及びプログラム | |
RU2513905C2 (ru) | Классификация изображения на основе сегментации изображения | |
CN114334169B (zh) | 医疗对象的类别决策方法、装置、电子设备及存储介质 | |
CN111445440A (zh) | 一种医学图像分析方法、设备和存储介质 | |
CN113469981B (zh) | 图像处理方法、装置及存储介质 | |
CN116188392A (zh) | 图像处理方法、计算机可读存储介质以及计算机终端 | |
Seifert et al. | Combined semantic and similarity search in medical image databases | |
CN113901764A (zh) | 一种内容排版方法、装置、电子设备和存储介质 | |
CN108492885A (zh) | 检查工作流推荐方法、装置及终端 | |
CN113903433B (zh) | 一种图像处理方法、装置和电子设备 | |
CN111382793B (zh) | 一种特征提取方法、装置和存储介质 | |
CN114242197B (zh) | 一种结构化报告处理方法、装置及计算机可读存储介质 | |
CN115311188B (zh) | 一种图像识别方法、装置、电子设备及存储介质 | |
CN116016421A (zh) | 促进在计算装置中执行的基于媒体的内容共享的方法、计算装置可读存储介质以及计算装置 | |
JP5390393B2 (ja) | 標本に基づくフィルタ | |
CN110114832A (zh) | 用于优化对先前研究的使用的设备、***和方法 | |
Estrela et al. | Some issues regarding content-based image retrieval (CBIR) for remote healthcare theradiagnosis | |
CN115187805B (zh) | 一种征象识别方法、装置、电子设备和存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220107 |
|
RJ01 | Rejection of invention patent application after publication |