本发明涉及计算机，具体而言，涉及一种基于深度学习的中医处方数据存储方法及系统。
背景技术：
1、目前，随着移动互联技术的发展及流动性日益增加。因为一些中医处方较为重要，所以需要进行加密储存，这也对数据加密安全防范能力提出更高的要求。同时中医处方不但包括记录的语句，还包括原本的照片等。加密语句相当于加密文字，容易被破解。图像较难进行加密后复原，并且如果图像和文字分别进行加密会浪费大量的数据和存储空间。
技术实现思路
1、本发明的目的在于提供了一种基于深度学习的中医处方数据存储方法及系统，用以解决现有技术中存在的上述问题。
2、第一方面，本发明实施例提供了一种基于深度学习的中医处方数据存储方法，包括：
3、获得中医处方图像、所述中医处方图像中包含的中医处方语句，与，所述中医处方图像对应的症状类别；所述中医处方语句包含多个中医处方文字；所述症状类别表示中医处方图像对应的处方用于治疗的症状的类别；
4、通过特征加密网络，基于所述中医处方图像和中医处方语句，根据图像和图像对应的含义的特征进行加密，得到中医加密特征图；
5、根据症状类别与中医处方图像和中医处方语句构建键值对；
6、将所述中医加密特征图进行分割，得到多个分割加密特征图；
7、将所述多个分割加密特征图存储在非加密区域，记录存储的位置，得到分割存储位置串；
8、根据所述键值对，将症状类别与分割存储位置串构建映射关系，得到非加密映射键值对；
9、将所述分割存储位置串和所述非加密映射键值对存储在非加密区域；
10、将所述中医处方图像和中医处方语句存储在加密区域。
11、可选的，所述通过特征加密网络，基于所述中医处方图像和中医处方语句，根据图像和图像对应的含义的特征进行加密，得到中医加密特征图，包括：
12、将所述中医处方图像输入特征提取网络，提取特征，得到中医处方特征图；
13、基于所述中医处方特征图，分割和调整包含一排语句的信息的中医处方特征图，得到多个处方横特征图；
14、获得横卷积核；所述横卷积核为固定尺寸；
15、基于所述多个处方横特征图，得到多个第二中医处方特征图和第二中医处方语句信息；所述第二中医处方语句信息包括横卷积核检测到的多个第二中医处方文字和对应的第二中医处方位置；
16、根据第二中医处方位置，将第二中医处方特征图切割为包含一个字的特征且尺寸相同的多个特征图作为字特征图；
17、根据多个字特征图，通过时间卷积网络进行卷积，识别语序关系，得到中医加密特征图。
18、可选的，所述基于所述中医处方特征图，分割和调整包含一排语句的信息的中医处方特征图，得到多个处方横特征图，包括：
19、根据所述中医处方特征图，通过第一分类器，检测文字，得到中医处方语句信息；
20、所述中医处方语句信息包括多个中医处方文字和对应的中医处方位置；
21、将所述中医处方图像和所述中医处方特征图构建映射关系；
22、根据映射关系，找到中医处方位置对应的中医处方特征图的位置，得到中医处方特征位置；多个中医处方位置对应获得多个中医处方特征位置；所述中医处方特征位置为包含中医处方位置的区域对应的特征的位置；
23、基于所述多个中医处方特征位置，分割中医处方特征图，得到多个处方横特征图。
24、可选的，所述基于所述多个中医处方特征位置，分割中医处方特征图，得到多个处方横特征图，包括：
25、根据多个中医处方特征位置，找到在中医处方特征图中列数相同的区域，得到多个中医处方特征集合；m个中医处方特征位置对应n个中医处方特征集合；所述中医处方特征集合包含多个中医处方特征位置；
26、将所述中医处方特征集合中的中医处方特征位置的上下边界进行添零，得到添零特征区域；多个中医处方特征位置对应获得多个添零特征区域；多个添零特征区域的宽度相同；
27、将添零特征区域按照对应的中医处方特征位置的横坐标从小到大依次排列，得到处方横特征图；多个中医处方特征集合对应获得多个处方横特征图。
28、可选的，所述基于所述多个处方横特征图，得到多个第二中医处方特征图和第二中医处方语句信息，包括：
29、将所述横卷积核以步长为1与补零处方横特征图进行卷积，得到第二中医处方特征图；多个处方横特征图对应获得多个第二中医处方特征图；
30、将所述多个第二中医处方特征图分别输入第二分类器，得到多个第二中医处方文字和对应的第二中医处方位置。
31、可选的，所述特征加密网络包括特征提取网络、第一分类器、包含横卷积核的卷积神经网络、第二分类器、时间卷积网络和第三分类器。
32、可选的，所述特征加密网络的训练方法，包括：
33、获得多个训练图像和对应的标注数据；所述训练图像为用于训练的中医处方图像；所述标注数据表示中医处方图像中的中医处方文字和对应的中医处方位置；
34、通过训练图像和对应的标注图像，将所述特征提取网络和第一分类器进行训练；
35、通过训练图像和对应的标注图像，将训练好的特征提取网络和第一分类器，与，未训练的包含横卷积核的卷积神经网络和第二分类器进行训练；
36、通过训练图像和对应的标注图像，将训练好的特征提取网络、第一分类器、包含横卷积核的卷积神经网络和第二分类器与未训练的时间卷积网络和第三分类器进行训练，得到训练好的特征加密网络。
37、可选的，还包括查找存储后的中医处方图像和中医处方语句的方法：
38、获得查找类别；所述查找类别为需要进行查找对应的中医处方图像或中医处方语句的病症类别；
39、通过存储在非加密映射键值对，找到查找类别对应的分割存储位置串，得到第一分割存储位置串；
40、根据所述第一分割存储位置串，进行查找，得到多个第一分割加密特征图；
41、将多个第一分割加密特征图组合为第一中医加密特征图；
42、通过重构图像网络，根据第一中医加密特征图，进行图像重构，得到第一中医处方图像；
43、根据第一中医加密特征图，通过第三分类器，第一中医处方语句；
44、将所述第一中医处方图像与数据库中存储的中医处方图像进行匹配，得到检测中医处方图像；将所述第一中医处方图像与数据库中存储的中医处方图像进行匹配，得到检测中医处方图像。
45、可选的，所述重构图像网络的训练方法，包括：
46、获得训练重构特征图和标注重构图像；所述训练重构特征图为特征加密网络中的时间卷积网络进行训练时输出的特征图；所述标注重构图像为训练重构特征图在特征加密网络中对应的训练图像；
47、将训练重构特征图输入重构图像网络，进行图像重构，得到训练重构图像；
48、将所述训练重构图像和标注重构图像求取损失，后向传播进行训练，得到训练好的重构图像网络。
49、第二方面，本发明实施例提供了一种基于深度学习的中医处方数据存储系统，包括：
50、获取模块：获得中医处方图像、所述中医处方图像中包含的中医处方语句，与，所述中医处方图像对应的症状类别；所述中医处方语句包含多个中医处方文字；所述症状类别表示中医处方图像对应的处方用于治疗的症状的类别；
51、加密特征图模块：通过特征加密网络，基于所述中医处方图像和中医处方语句，根据图像和图像对应的含义的特征进行加密，得到中医加密特征图；
52、键值对模块：根据症状类别与中医处方图像和中医处方语句构建键值对；
53、分割模块：将所述中医加密特征图进行分割，得到多个分割加密特征图；
54、位置记录模块：将所述多个分割加密特征图存储在非加密区域，记录存储的位置，得到分割存储位置串；
55、症状映射模块：根据所述键值对，将症状类别与分割存储位置串构建映射关系，得到非加密映射键值对；
56、非加密存储模块：将所述分割存储位置串和所述非加密映射键值对存储在非加密区域；
57、加密存储模块：将所述中医处方图像和中医处方语句存储在加密区域。
58、相较于现有技术，本发明实施例达到了以下有益效果：
59、本发明实施例还提供了一种基于深度学习的中医处方数据存储方法及系统，所述方法包括：获得中医处方图像、所述中医处方图像中包含的中医处方语句，与，所述中医处方图像对应的症状类别；所述中医处方语句包含多个中医处方文字；所述症状类别表示中医处方图像对应的处方用于治疗的症状的类别。通过特征加密网络，基于所述中医处方图像和中医处方语句，根据图像和图像对应的含义的特征进行加密，得到中医加密特征图。根据症状类别与中医处方图像和中医处方语句构建键值对。将所述中医加密特征图进行分割，得到多个分割加密特征图。将所述多个分割加密特征图存储在非加密区域，记录存储的位置，得到分割存储位置串。根据所述键值对，将症状类别与分割存储位置串构建映射关系，得到非加密映射键值对。将所述分割存储位置串和所述非加密映射键值对存储在非加密区域。将所述中医处方图像和中医处方语句存储在加密区域。
60、本发明，根据中医处方图像和中医处方图像中包含的中医处方语句，获取包含语句和图像的特征，则为中医加密特征图。中医加密特征图既能够通过重构图像网络能够重构为中医处方图像，也能够进行分类成中医处方语句。将中医处方图像和中医处方语句放置在加密区域中，将中医加密特征图分割后放置在非加密区域中。并构建映射关系，便于之后的查找。根据症状类别与存储在加密区域的中医处方图像和中医处方语句进行匹配。用加密中医加密特征图来加密中医处方图像和中医处方语句两个内容。特征加密网络的参数构成了加密参数，重构图像网络的参数和第三分类器的参数构成了解密参数。通过包含横卷积核的卷积神经网络和时间卷积网络，能够得到包含语句特征准确的中医加密特征图。从而达到加密准确，较难解密，且采用第三分类器快速获取中医处方语句和能够准确复原中医处方图像进行匹配的技术效果。
1.一种基于深度学习的中医处方数据存储方法，其特征在于，包括：
2.根据权利要求1所述的一种基于深度学习的中医处方数据存储方法，其特征在于，所述通过特征加密网络，基于所述中医处方图像和中医处方语句，根据图像和图像对应的含义的特征进行加密，得到中医加密特征图，包括：
3.根据权利要求2所述的一种基于深度学习的中医处方数据存储方法，其特征在于，所述基于所述中医处方特征图，分割和调整包含一排语句的信息的中医处方特征图，得到多个处方横特征图，包括：
4.根据权利要求3所述的一种基于深度学习的中医处方数据存储方法，其特征在于，所述基于所述多个中医处方特征位置，分割中医处方特征图，得到多个处方横特征图，包括：
5.根据权利要求2所述的一种基于深度学习的中医处方数据存储方法，其特征在于，所述基于所述多个处方横特征图，得到多个第二中医处方特征图和第二中医处方语句信息，包括：
6.根据权利要求1所述的一种基于深度学习的中医处方数据存储方法，其特征在于，所述特征加密网络包括特征提取网络、第一分类器、包含横卷积核的卷积神经网络、第二分类器、时间卷积网络和第三分类器。
7.根据权利要求6所述的一种基于深度学习的中医处方数据存储方法，其特征在于，所述特征加密网络的训练方法，包括：
8.根据权利要求1所述的一种基于深度学习的中医处方数据存储方法，其特征在于，还包括查找存储后的中医处方图像和中医处方语句的方法：
9.根据权利要求8所述的一种基于深度学习的中医处方数据存储方法，其特征在于，所述重构图像网络的训练方法，包括：
10.一种基于深度学习的中医处方数据存储系统，其特征在于，包括：
