一种基于主成分光谱角距离的药物检索方法及系统技术方案

本发明专利技术公开了一种基于主成分光谱角距离的药物检索方法及系统，属于药品检索领域，获取药品的光谱维图像信息；将得到的高光谱矩阵分解为端元光谱矩阵和丰度矩阵；计算每个丰度的二范数并将二范数最大的丰度对应的端元作为药品的第一主端元；循环遍历药品分组中的所有药品，将所有第一主端元排列形成主端元矩阵作为二级目录索引；对主端元矩阵进行处理，得到对应于药品通用名的主端元向量；循环遍历所有药品分组，将所有主端元向量排列形成主端元向量矩阵作为一级目录索引。本发明专利技术的有益效果在于：提出主端元对应药品、主端元向量对应药品通用名，建立一级和二级目录索引，为患者准确快速地匹配同一通用名、不同厂家、不同包装的药品。的药品。的药品。

【技术实现步骤摘要】
一种基于主成分光谱角距离的药物检索方法及系统


[0001]本专利技术涉及药品检索领域，尤其涉及一种基于主成分光谱角距离的药物检索方法及系统。

技术介绍

[0002]经过20世纪后半叶的发展，遥感技术无论在理论上、技术上和应用上均发生了重大的变化。其中，高光谱图像技术的出现和快速发展无疑是这种变化中十分突出的一个方面。通过搭载在不同空间平台上的高光谱传感器，即成像光谱仪，在电磁波谱的紫外、可见光、近红外和中红外区域，以数十至数百个连续且细分的光谱波段对目标区域同时成像，在获取地表图像信息的同时，也得到其光谱信息，第一次真正实现了光谱与图像的结合，其中图像信息可以反映样本的大小、形状、缺陷等外部品质特征，由于不同成分对光谱吸收也不同，在某个特定波长下图像对某个缺陷会有较显著的反映，而光谱信息能充分反映样品内部的物理结构、化学成分的差异。与多光谱遥感影像相比，高光谱影像不仅在信息丰富程度方面有了极大的提高，在处理技术上，对该类光谱数据进行更为合理、有效的分析处理提供了可能。因而，高光谱图像技术所具有的影响及发展潜力，是以往技术的各个发展阶段所不可比拟的，不仅引起了遥感界的关注，同时也引起了其他领域的关注。高光谱图像包含两个空间维和一个光谱维。每一种成分对光子辐射的响应不同，具有特定的光谱特征，由此得到的响应光谱称之为特征光谱，或光谱特征曲线(Spectral Signature)。成分的特征光谱受其类别、物质组成、结构、电磁学特性及其表面特征等因素的影响，蕴含了丰富的自身特征信息。在高光谱图像处理中，可以通过分析这些特征光谱研究图像内物质分布的特征，同时，由于物质分布具有连续性，图像中相邻像素之间往往具有相关的光谱特征。
[0003]目前现有技术中的拍照找药算法，仅通过药盒图像的二维信息进行相似度匹配，当药品包装发生变化，或者对于同一药品但属于不同厂家时，普通的二维信息往往无法达到有效结果，因此需要拍摄得到高光谱图像，高光谱图像能够提供更多维的信息，但现有技术大多是基于主成分分析和光谱角计算，进行图像分类或者目标检测，无法利用高光谱图像提供的空间维和光谱维的信息实现快速查找药品，因此针对以上问题，迫切需要设计出一种基于主成分光谱角距离的药物检索方法及系统，以满足实际使用的需要。

技术实现思路

[0004]为了解决以上技术问题，本专利技术提供了一种基于主成分光谱角距离的药物检索方法及系统。
[0005]本专利技术所解决的技术问题可以采用以下技术方案实现：
[0006]本专利技术提供一种基于主成分光谱角距离的药物检索方法，所述药品库中预先保存有每个药品的药品通用名；
[0007]所述药物检索方法包括索引目录创建过程；
[0008]所述索引目录创建过程中，首先对所述药品库中的所有药品按照所述药品通用名
进行分组，并执行下述处理步骤：
[0009]步骤S11，获取所述药品的光谱维的图像信息，并进行处理得到一高光谱矩阵；
[0010]步骤S12，将所述高光谱矩阵进行分解，得到端元光谱矩阵和对应的丰度矩阵；
[0011]步骤S13，计算所述丰度矩阵中每个丰度的二范数，并将所述二范数最大的所述丰度对应的所述端元作为所述药品对应的第一主端元并输出；
[0012]步骤S14，循环遍历同一个所述药品分组中的所有所述药品并执行所述步骤S11
‑
S13，得到所述药品分组中每个所述药品对应的所述第一主端元，并将所有所述第一主端元排列形成一主端元矩阵，将所述主端元矩阵作为所述药品分组的二级目录索引；
[0013]步骤S15，对所述主端元矩阵进行处理，得到对应于所述药品通用名的主端元向量；
[0014]步骤S16，循环遍历所有所述药品分组并执行所述步骤S11
‑
S15以得到对应每个所述药品分组的所述二级目录索引以及所述主端元向量；
[0015]步骤S17，将所有所述主端元向量排列形成一主端元向量矩阵，并将所述主端元向量矩阵作为所述药品库的一级目录索引；
[0016]则所述药品库的索引目录由所述一级目录索引和所述二级目录索引构成。
[0017]优选地，还包括一药物检测过程，具体包括：
[0018]步骤S21，获取一待检索药品的高光谱图像，并进行处理得到一高光谱矩阵；
[0019]步骤S22，将所述高光谱矩阵进行分解，得到端元光谱矩阵和对应的丰度矩阵；
[0020]步骤S23，计算所述丰度矩阵中每个丰度的二范数，并将所述二范数最大的所述丰度所对应的所述端元作为所述待检索药品的待检索端元并输出；
[0021]步骤S24，根据所述待检索端元于所述一级目录索引中进行检索以匹配得到对应的所述主端元向量，并进而确定所述待检索药品的药品通用名；
[0022]步骤S25，根据所述待检索端元，于检索得到的所述主端元向量所对应的所述二级目录索引中进行检索以匹配得到相似的所有所述第一主端元，进而得到与所述待检索药品相似的所有药品并包括在一检索结果中输出。
[0023]优选地，所述步骤S11和所述步骤S21中，采用一混合线性模型将所述高光谱图像进行转换得到一高光谱矩阵。
[0024]优选地，所述步骤S12和所述步骤S22中，采用下述方法对所述高光谱矩阵进行分解：
[0025]采用非负矩阵分解法将所述高光谱矩阵进行分解，得到所述端元光谱矩阵和所述丰度矩阵，所述端元光谱矩阵包括多个端元的光谱特征，所述丰度矩阵包括每个所述端元在多个所述像素的丰度。
[0026]优选地，采用独立分量分析法对所述端元光谱矩阵和所述丰度矩阵进行分析，并计算得到多个所述端元的光谱特征以及每个所述端元对应的所述丰度。
[0027]优选地，所述步骤S15中，采用主成分分析法对所述主端元矩阵进行降维去相关，并将降维后的第一个列向量作为对应于所述药品通用名的主端元向量。
[0028]优选地，所述步骤S24具体包括：
[0029]步骤S241，分别计算所述待检索端元与所述主端元向量矩阵中的每个所述主端元向量之间的第一光谱角距离；
[0030]步骤S242，将计算得到的所述第一光谱角距离与一预设距离进行对比，以匹配得到最接近于所述预设距离的所述第一光谱角距离，并根据匹配得到的所述第一光谱角距离对应的所述主端元向量，确定所述待检索药品的药品通用名并输出。
[0031]优选地，所述步骤S25具体包括：
[0032]步骤S251，根据检索到的所述主端元向量，得到所述药品分组对应的所述主端元矩阵，并分别计算所述待检索端元与所述主端元矩阵中的每个所述第一主端元之间的第二光谱角距离；
[0033]步骤S252，根据计算得到的所述第二光谱角距离进行降序排列，并将按序列输出的所述第二光谱角距离对应的所述药品作为所述待检索药品相似的所有药品输出。
[0034]本专利技术还提供一种基于主成分光谱角距离的药物检索系统，包括如上述的一种基于主成分光谱角距离的药物检索方法，所述药品库中预先保存本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于主成分光谱角距离的药物检索方法，其特征在于，所述药品库中预先保存有每个药品的药品通用名；所述药物检索方法包括索引目录创建过程；所述索引目录创建过程中，首先对所述药品库中的所有药品按照所述药品通用名进行分组，并执行下述处理步骤：步骤S11，获取所述药品的光谱维的图像信息，并进行处理得到一高光谱矩阵；步骤S12，将所述高光谱矩阵进行分解，得到端元光谱矩阵和对应的丰度矩阵；步骤S13，计算所述丰度矩阵中每个丰度的二范数，并将所述二范数最大的所述丰度对应的所述端元作为所述药品对应的第一主端元并输出；步骤S14，循环遍历同一个所述药品分组中的所有所述药品并执行所述步骤S11
‑
S13，得到所述药品分组中每个所述药品对应的所述第一主端元，并将所有所述第一主端元排列形成一主端元矩阵，将所述主端元矩阵作为所述药品分组的二级目录索引；步骤S15，对所述主端元矩阵进行处理，得到对应于所述药品通用名的主端元向量；步骤S16，循环遍历所有所述药品分组并执行所述步骤S11
‑
S15以得到对应每个所述药品分组的所述二级目录索引以及所述主端元向量；步骤S17，将所有所述主端元向量排列形成一主端元向量矩阵，并将所述主端元向量矩阵作为所述药品库的一级目录索引；则所述药品库的索引目录由所述一级目录索引和所述二级目录索引构成。2.根据权利要求1所述的药物检测方法，其特征在于，还包括一药物检测过程，具体包括：步骤S21，获取一待检索药品的高光谱图像，并进行处理得到一高光谱矩阵；步骤S22，将所述高光谱矩阵进行分解，得到端元光谱矩阵和对应的丰度矩阵；步骤S23，计算所述丰度矩阵中每个丰度的二范数，并将所述二范数最大的所述丰度所对应的所述端元作为所述待检索药品的待检索端元并输出；步骤S24，根据所述待检索端元于所述一级目录索引中进行检索以匹配得到对应的所述主端元向量，并进而确定所述待检索药品的药品通用名；步骤S25，根据所述待检索端元，于检索得到的所述主端元向量所对应的所述二级目录索引中进行检索以匹配得到相似的所有所述第一主端元，进而得到与所述待检索药品相似的所有药品并包括在一检索结果中输出。3.根据权利要求2所述的药物检索算法，其特征在于，所述步骤S11和所述步骤S21中，采用一混合线性模型将所述高光谱图像进行转换得到一高光谱矩阵。4.根据权利要求2所述的药物检索算法，其特征在于，所述步骤S12和所述步骤S22中，采用下述方法对所述高光谱矩阵进行分解：采用非负矩阵分解法将所述高光谱矩阵进行分解，得到所述端元光谱矩阵和所述丰度矩阵，所述端元光谱矩阵包括多个端元的光谱特征，所述丰度矩阵包括每个所述端元在多个所述像素的丰度。5.根据权利要求4所述的药物检索算法，其特征在于，采用独立分量分析法对所述端元光谱矩阵和所述丰度矩阵进行分析，并计算得到多个所述端元的光谱特征以及每个所述端元对应的所述丰度。
6.根据权利要求1所述的药物检索算法，其特征在于，所述步骤S15中，采用主成分分析法对所述主端元矩阵进行降维去相关，并将降维后的第一个列向量作为对应于所述药品通用名的主端元向量。7.根据权利要求2所述的药物检索算法，其特征在于，所述步骤S24具体包括：步骤S241，分别计算所述待检索端元与所述主端元向量矩阵中的每个所述主端元向量之间的第一光谱角距离；步骤S242，将计算得到的所述第一光谱角距离与一预设距离进行对比，以匹配得到最接近于所述预设距离的所述第一光谱角距离...

【专利技术属性】
技术研发人员：金硕，胡茂华，
申请(专利权)人：壹药网科技上海股份有限公司，
类型：发明
国别省市：