一种基于人脸识别的配药方法和计算机可读存储介质

摘要

本发明公开了一种基于人脸识别的配药方法和计算机可读存储介质，涉及配药技术领域，包括如下步骤：S100、由初诊医生对病人进行诊断，判定疾病类型后开具处方，并对处方中涉及药品建立具备关联关系的药品组后上传药品组数据库；S200、由图形采集模块采集病人面部信息并将采集的面部信息输入第一模型，并由第一模型根据输入的面部信息输出对应的疾病类型；S300、将第一模型输出的疾病类型与初诊处方上的疾病类型匹配；否则转交至复核医生进行复诊。本发明通过在病例库输入历史病例与病人对应的面部信息作为训练数据建立第一模型，在初诊医生对病人出具处方后，病人在取药之前先采集病人的面部信息输入第一模型，由第一模型输出该类面部信息对应的疾病类型。

权利要求

1.一种基于人脸识别的配药方法，其特征在于，包括如下步骤：

S100、由初诊医生对病人进行诊断，判定疾病类型后开具处方，并对处方中涉及药品建立具备关联关系的药品组后上传药品组数据库；

S200、由图形采集模块采集病人面部信息并将采集的面部信息输入第一模型，并由第一模型根据输入的面部信息输出对应的疾病类型；

S300、将第一模型输出的疾病类型与初诊处方上的疾病类型匹配，若匹配结果符合则进入步骤S400；否则转交至复核医生进行复诊；

S400、由药剂师按照处方取出配药，并使用机器采集配药的图片信息，机器将采集到所有配药的图像信息建立临时药品组与步骤S100中上传的药品组进行区别判定，若无区别则完成配药后由病人取药；否则提示药剂师复核。

2.根据权利要求1所述的一种基于人脸识别的配药方法，其特征在于，在步骤S100中，处方中包括初诊医生对病人进行诊断得出的疾病类型，及根据疾病类型开具的药品明细，对单个处方中涉及所有药品建立单独的药品组，处于一个药品组中的所有药品会在配药环节作为一个整体进行出药。

3.根据权利要求1所述的一种基于人脸识别的配药方法，其特征在于，在步骤S200中，第一模型根据输入的面部信息输出疾病类型的步骤为：S201、将历史样本数据上传病例库，所述历史样本数据包括病人的面部信息和与病人对应的疾病类型；

S202、以历史样本数据建立并训练第一模型；

S203、图像采集模块将采集到的病人面部信息输入第一模型，由第一模型输出对应的疾病类型。

4.根据权利要求1所述的一种基于人脸识别的配药方法，其特征在于，在步骤S300中，复核医生进行复诊的步骤包括：S301、转交至复核医生的信息包括初诊处方和病人的面部信息；

S302、由复核医生出具复诊处方，并对复诊处方中涉及药品建立具备关联关系的药品组后上传药品组数据库，并覆盖步骤S100中初诊医生建立的药品组；

S303、将病人面部信息和复诊处方的疾病类型上传至病例库作为校正数据对第一模型进行迭代更新。

5.根据权利要求1所述的一种基于人脸识别的配药方法，其特征在于，在步骤S400中，所述机器包括图像采集设备、归纳设备和对比设备：所述图像采集设备用于采集配药信息生成图像信息；

所述归纳设备用于将所有图像信息归纳建立临时药品组；

所述对比设备用于访问药品组数据库并与储存的临时药品组进行对比判定。

6.根据权利要求5所述的一种基于人脸识别的配药方法，其特征在于，在步骤S400中，机器建立的临时药品组与药品组数据库对比的步骤为：S401、将配药放置在指定图像采集区域，药剂师通过图像采集设备获取配药信息并传输至归纳设备；

S402、将所有接收到的图像信息整理归纳建立临时药品组并传输至对比设备；

S403、访问药品组数据库，并将储存的临时药品组与步骤S100中上传的药品组进行比对，若对比结果匹配则完成配药；否则提示药剂师复核；

S404、在对比设备对比完毕后，将临时药品组与初诊药品组建立关联后上传至药品组数据库作为可导出的历史数据；

S405、所述图像采集设备、所述归纳设备和所述对比设备储存的信息在完成单次流程后清除储存的数据。

7.根据权利要求1所述的一种基于人脸识别的配药方法，其特征在于，在步骤S300中，初诊医生开具处方中的疾病类型在首次与第一模型输出的疾病类型匹配时需要完全符合，若初诊疾病类型与第一模型输出的疾病类型不完全匹配则需要进行复核阶段；

初诊医生开具处方非首次与第一模型输出疾病类型匹配时，在与第一模型输出的疾病类型匹配时若非完全符合，则根据初诊医生和第一模型在匹配中的权重判定是否需要进行复核。

8.根据权利要求7所述的一种基于人脸识别的配药方法，其特征在于，复核医生对初诊医生开具处方的复核次数与初诊医生处方未被复核的次数比例关联初诊医生的匹配权重，若初诊医生被复核的次数大于初诊医生未被复核的次数则赋予初诊医生更高的判定权重，在初诊的疾病类型与第一模型输出的疾病类型存在区别时仍以初诊的疾病类型为准；若初诊医生被复核的次数小于初诊医生未被复核的次数则赋予第一模型更高的判定权重，在初诊的疾病类型与第一模型输出的疾病类型存在区别时仍以第一模型输出的疾病类型为准，进而进行复核。

9.一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上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的基于人脸识别的配药方法。

说明书

一种基于人脸识别的配药方法和计算机可读存储介质

技术领域

[0001] 本发明涉及配药技术领域，尤其是涉及一种基于人脸识别的配药方法和计算机可读存储介质。

背景技术

[0002] 中医是古代哲学与古代科学的完美结合，经过不断的历史实践，最终形成了一套独具特色的诊断理论。中医对疾病的诊断主要通过望闻问切，其中，望是最重要的一种诊断手段，脸是我们直面外界的一个窗口，而看脸不仅看的是美貌，我们还能从脸上看出健康，我们的五脏在面部都能找到对应的五官，每一个五官的颜色、形状等外在形态都对应我们的五脏情况，也就是说，中医医生可以通过面部信息获取病人的疾病类型。

[0003] 在医生开具处方到药剂师取药交付的过程中，可能会在诊断处方和配药两处流程存在错误，导致病情延误的情况发生，并且现有的药剂师一般不会对处方中的药品进行验证，因此在配药的过程中经常出现漏配、错配的情况，但是在此流程中若采用人工全程复核则会极大增加人工成本并降低效率，现有技术中，会采用采集配药信息与处方中药品信息匹配的方式对配药进行验证，以降低复核配药过程中人工参与的强度。

[0004] 参考申请号为201910925217.6的一种基于图像识别技术的中药饮品调剂自动复核方法，包括图像预处理得到图像集合、根据算法对图像进行局部特征提取、建立图像特征索引、获取中药饮品图像得到索引集合、由工作人员将输出结果与处方进行对比。该发明能够替代高水平中药师在饮片调剂中的核对处方这一繁重工作，从而提高工作效率，提升中医药服务能力。

[0005] 然而，该专利仍存在以下问题：1、该专利仅用于对配药的辅助审核，仍无法实现对处方的辅助审核，然而现有技术中对于人脸识别的技术相对成熟，对于一些特定疾病可通过识别病人面部信息判定疾病类型，通过将人脸识别功能结合数据库判断疾病类型视为一种对初诊处方具备可能性的审查方式。

[0006] 2、该专利对药品图像的匹配方式为，将每种药品图像与药品库进行匹配，并在所有药品匹配完毕后通过人工对比，因此仍需要取药的药剂师对所有的处方进行核对，对药剂师的辅助效果有限。

发明内容

[0007] 本发明的目的在于提供一种基于人脸识别的配药方法和计算机可读存储介质，以解决现有技术中仍无法实现对处方的辅助审核，以及对药剂师辅助效果有限的技术问题。

[0008] 本发明提供一种基于人脸识别的配药方法，包括如下步骤：

[0009] S100、由初诊医生对病人进行诊断，判定疾病类型后开具处方，并对处方中涉及药品建立具备关联关系的药品组后上传药品组数据库；

[0010] S200、由图形采集模块采集病人面部信息并将采集的面部信息输入第一模型，并由第一模型根据输入的面部信息输出对应的疾病类型；

[0011] S300、将第一模型输出的疾病类型与初诊处方上的疾病类型匹配，若匹配结果符合则进入步骤S400；否则转交至复核医生进行复诊；

[0012] S400、由药剂师按照处方取出配药，并使用机器采集配药的图片信息，机器将采集到所有配药的图像信息建立临时药品组与步骤S100中上传的药品组进行区别判定，若无区别则完成配药后由病人取药；否则提示药剂师复核。

[0013] 进一步，在步骤S100中，处方中包括初诊医生对病人进行诊断得出的疾病类型，及根据疾病类型开具的药品明细，对单个处方中涉及所有药品建立单独的药品组，处于一个药品组中的所有药品会在配药环节作为一个整体进行出药。

[0014] 进一步，在步骤S200中，第一模型根据输入的面部信息输出疾病类型的步骤为：

[0015] S201、将历史样本数据上传病例库，所述历史样本数据包括病人的面部信息和与病人对应的疾病类型；

[0016] S202、以历史样本数据建立并训练第一模型；

[0017] S203、图像采集模块将采集到的病人面部信息输入第一模型，由第一模型输出对应的疾病类型。

[0018] 进一步，在步骤S300中，复核医生进行复诊的步骤包括：

[0019] S301、转交至复核医生的信息包括初诊处方和病人的面部信息；

[0020] S302、由复核医生出具复诊处方，并对复诊处方中涉及药品建立具备关联关系的药品组后上传药品组数据库，并覆盖步骤S100中初诊医生建立的药品组；

[0021] S303、将病人面部信息和复诊处方的疾病类型上传至病例库作为校正数据对第一模型进行迭代更新。

[0022] 进一步，在步骤S400中，所述机器包括图像采集设备、归纳设备和对比设备：

[0023] 所述图像采集设备用于采集配药信息生成图像信息；

[0024] 所述归纳设备用于将所有图像信息归纳建立临时药品组；

[0025] 所述对比设备用于访问药品组数据库并与储存的临时药品组进行对比判定。

[0026] 进一步，在步骤S400中，机器建立的临时药品组与药品组数据库对比的步骤为：

[0027] S401、将配药放置在指定图像采集区域，药剂师通过图像采集设备获取配药信息并传输至归纳设备；

[0028] S402、将所有接收到的图像信息整理归纳建立临时药品组并传输至对比设备；

[0029] S403、访问药品组数据库，并将储存的临时药品组与步骤S100中上传的药品组进行比对，若对比结果匹配则完成配药；否则提示药剂师复核；

[0030] S404、在对比设备对比完毕后，将临时药品组与初诊药品组建立关联后上传至药品组数据库作为可导出的历史数据；

[0031] S405、所述图像采集设备、所述归纳设备和所述对比设备储存的信息在完成单次流程后清除储存的数据。

[0032] 进一步，在步骤S300中，初诊医生开具处方中的疾病类型在首次与第一模型输出的疾病类型匹配时需要完全符合，若初诊疾病类型与第一模型输出的疾病类型不完全匹配则需要进行复核阶段；

[0033] 初诊医生开具处方非首次与第一模型输出疾病类型匹配时，在与第一模型输出的疾病类型匹配时若非完全符合，则根据初诊医生和第一模型在匹配中的权重判定是否需要进行复核。

[0034] 进一步，复核医生对初诊医生开具处方的复核次数与处方医生处方未被复核的次数比例关联初诊医生的匹配权重，若初诊医生被复核的次数大于初诊医生未被复核的次数则赋予初诊医生更高的判定权重，在初诊的疾病类型与第一模型输出的疾病类型存在区别时仍以初诊的疾病类型为准；若初诊医生被复核的次数小于初诊医生未被复核的次数则赋予第一模型更高的判定权重，在初诊的疾病类型与第一模型输出的疾病类型存在区别时仍以第一模型输出的疾病类型为准，进而进行复核。

[0035] 为解决上述技术问题，本发明还包括下述解决方案：

[0036] 一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于人脸识别的配药方法。

[0037] 与现有技术相比较，本发明的有益效果在于：

[0038] （1）本发明通过在病例库输入历史病例与病人对应的面部信息作为训练数据建立第一模型，在初诊医生对病人出具处方后，病人在取药之前先采集病人的面部信息输入第一模型，由第一模型输出该类面部信息对应的疾病类型，通过将第一模型输出的疾病类型与初诊处方上的疾病类型匹配，即可判定出初诊处方是否出错，并在初诊处方出错后提交复核医生进行复诊。

[0039] （2）本发明通过初诊医生将处方中涉及到的药品建立具备关联关系的药品组，并将该药品组上传至药品组数据库，在药剂师取药后对所有配药进行扫描后，机器自动将所有配药建立的临时药品组与初诊医生上传的药品组对比，无需对所有配药一一对比即可快速得出配药是否错误。

附图说明

[0040] 为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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。

[0041] 图1为实施例方法整体的流程图；

[0042] 图2为实施例方法整体的流程原理图。

具体实施方式

[0043] 下面将结合附图对本发明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发明一部分实施例，而不是全部的实施例。

[0044] 通常在此处附图中描述和显示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。

[0045] 基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0046] 在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

[0047] 在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

[0048] 下面结合图1和图2所示，本发明实施例提供了一种基于人脸识别的配药方法，包括如下步骤：

[0049] S100、由初诊医生对病人进行诊断，判定疾病类型后开具处方，并对处方中涉及药品建立具备关联关系的药品组后上传药品组数据库。

[0050] 处方中包括初诊医生对病人进行诊断得出的疾病类型，及根据疾病类型开具的药品明细。

[0051] 在步骤S100中，对单个处方中涉及所有药品建立单独的药品组，处于一个药品组中的所有药品会在配药环节作为一个整体进行出药。

[0052] S200、由图形采集模块采集病人面部信息并将采集的面部信息输入第一模型，并由第一模型根据输入的面部信息输出对应的疾病类型。

[0053] 第一模型可以为卷积神经网络模型、循环神经网络模型、长短期记忆网络模型中的一种，具备输入输出数据、储存数据并建立关联关系和数据匹配的模型，输入的数据分为病人面部信息和对应的疾病类型两种，作为训练第一模型准确率的历史数据需要将面部信息和对应的疾病类型一一建立关联关系，在采集到的病人面部信息输入第一模型后，会将匹配度最高的历史面部信息对应的疾病类型输出。

[0054] 在步骤S200中，第一模型根据输入的面部信息输出疾病类型的步骤为：

[0055] S201、将历史样本数据上传病例库，所述历史样本数据包括病人的面部信息和与病人对应的疾病类型；

[0056] S202、以历史样本数据建立并训练第一模型；

[0057] S203、图像采集模块将采集到的病人面部信息输入第一模型，由第一模型输出对应的疾病类型。

[0058] S300、将第一模型输出的疾病类型与初诊处方上的疾病类型匹配，若匹配结果符合则进入步骤S400；否则转交至复核医生进行复诊。

[0059] 在步骤S300中，复核医生进行复诊的步骤包括：

[0060] S301、转交至复核医生的信息包括初诊处方和病人的面部信息；

[0061] S302、由复核医生出具复诊处方，并对复诊处方中涉及药品建立具备关联关系的药品组后上传药品组数据库，并覆盖步骤S100中初诊医生建立的药品组；

[0062] S303、将病人面部信息和复诊处方的疾病类型上传至病例库作为校正数据对第一模型进行迭代更新。

[0063] 在步骤S300中，初诊医生开具处方中的疾病类型在首次与第一模型输出的疾病类型匹配时需要完全符合，若初诊疾病类型与第一模型输出的疾病类型不完全匹配则需要进行复核阶段；

[0064] 初诊医生开具处方非首次与第一模型输出疾病类型匹配时，在与第一模型输出的疾病类型匹配时若非完全符合，则根据初诊医生和第一模型在匹配中的权重判定是否需要进行复核。

[0065] 复核医生对初诊医生开具处方的复核次数与初诊医生处方未被复核的次数比例关联初诊医生的匹配权重，若初诊医生被复核的次数大于初诊医生未被复核的次数则赋予初诊医生更高的判定权重，在初诊的疾病类型与第一模型输出的疾病类型存在区别时仍以初诊的疾病类型为准；若初诊医生被复核的次数小于初诊医生未被复核的次数则赋予第一模型更高的判定权重，在初诊的疾病类型与第一模型输出的疾病类型存在区别时仍以第一模型输出的疾病类型为准，进而进行复核。

[0066] 若机器诊断结果与初诊处方中诊断结果并非完全符合，则说明二者有一定分歧点，因此将上述机器的诊断结果与原始处方发送给另一位医生处复核，对以确保诊断结果的可靠性，复核医生诊断完成后产生的新药方，将新药方中关联的药品组上传至数据库覆盖原始初诊药品组。

[0067] 在初诊医生非首次与机器输出疾病类型对比时，当医生被复核次数过多时，证明其业务能力有待提升，因此在计算疾病类型机器结果与医生诊断结果的匹配度时，若机器诊断结果与初诊处方中诊断结果存在一定分歧，则会赋予机器结果较高权重。当医生被复核次数较少时，证明其业务能力较好，因此在计算疾病类型机器结果与医生诊断结果的匹配度时，若机器诊断结果与初诊处方中诊断结果存在一定分歧，会赋予机器结果较低权重。

[0068] 例如，在初诊医生和机器共同诊断的疾病类型总共有疾病1肝血不足、疾病2肝火旺、疾病3脾虚、疾病4心火盛，其中，初诊医生对病人的诊断疾病类型结果为：同时存在疾病1、疾病2、疾病3；而机器输出的疾病类型为：同时存在疾病1、疾病2、疾病4；则说明两者在疾病1和疾病2存在共识，在疾病3或疾病4存在分歧，若初诊医生在多次诊断后被复核次数少，则赋予初诊医生更大的权重，在此情况下可以视为初诊医生的诊断疾病类型即疾病1、疾病
2和疾病3为最终诊断的疾病类型；反之，若初诊医生在多次诊断后被复核次数多，则视机器判定的疾病类型为准为疾病1、疾病2和疾病4。

[0069] S400、由药剂师按照处方取出配药，并使用机器采集配药的图片信息，机器将采集到所有配药的图像信息建立临时药品组与步骤S100中上传的药品组进行区别判定，若无区别则完成配药后由病人取药；否则提示药剂师复核。

[0070] 在步骤S400中，所述机器包括图像采集设备、归纳设备和对比设备：

[0071] 所述图像采集设备用于采集配药信息生成图像信息；

[0072] 所述归纳设备用于将所有图像信息归纳建立临时药品组；

[0073] 所述对比设备用于访问药品组数据库并与储存的临时药品组进行对比判定。

[0074] 在步骤S400中，机器建立的临时药品组与药品组数据库对比的步骤为：

[0075] S401、将配药放置在指定图像采集区域，药剂师通过图像采集设备获取配药信息并传输至归纳设备；

[0076] S402、将所有接收到的图像信息整理归纳建立临时药品组并传输至对比设备；

[0077] S403、对比设备访问药品组数据库，并将储存的临时药品组与步骤S100中上传的药品组进行比对，若对比结果匹配则完成配药；否则提示药剂师复核；

[0078] S404、在对比设备对比完毕后，将临时药品组与初诊药品组建立关联后上传至药品组数据库作为可导出的历史数据；

[0079] S405、所述图像采集设备、所述归纳设备和所述对比设备储存的信息在完成单次流程后清除储存的数据。

[0080] 对比设备中临时药品组在与初诊医生上传的药品组匹配，判断是否属于同一个药品组，例如，处方中的药品为A、B、C三种，则上述三种药品组成了一个药品组。药剂师配药后，图像采集设备识对所有药品识别后的配药结果为药品A和药品B两种，则由于不存在一个药品组只包含药品A和药品B，因此对比设备会提示药剂师对配药结果进行复核。

[0081] 本发明通过在病例库输入历史病例与病人对应的面部信息作为训练数据建立第一模型，在初诊医生对病人出具处方后，病人在取药之前先采集病人的面部信息输入第一模型，由第一模型输出该类面部信息对应的疾病类型，通过将第一模型输出的疾病类型与初诊处方上的疾病类型匹配，即可判定出初诊处方是否出错，并在初诊处方出错后提交复核医生进行复诊。

[0082] 本发明通过初诊医生将处方中涉及到的药品建立具备关联关系的药品组，并将该药品组上传至药品组数据库，在药剂师取药后对所有配药进行扫描后，机器自动将所有配药建立的临时药品组与初诊医生上传的药品组对比，无需对所有配药一一对比即可快速得出配药是否错误。

[0083] 为解决上述技术问题，本发明还包括下述解决方案：

[0084] 一种计算机可读存储介质，所述计算机可读储存介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于人脸识别的配药方法。

[0085] 最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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范围。