[发明专利]一种提升体检报告OCR识别准确率的方法及装置

说明书

本发明公开一种提升体检报告OCR识别准确率的方法及装置，包括以下步骤，上传报告，模板识别，OCR区域识别，语义分析识别，校验和标准化，结果输出，输出校验和标准化后体检报告最终结果。该装置包括上传报告模块，模板识别模块，OCR区域识别模块，语义分析识别模块，校验和标准化模块，结果输出模块。该方法基于周围特征的可信度评估函数，来提高体检报告，发票识别的准确率。

技术领域

本发明属于人工智能识别技术领域，具体涉及一种提升体检报告OCR识别准确率的方法及装置。

背景技术

目前体检报告识别，发票识别已经成为一项非常重要的技术和手段，该技术可以大大提升核赔核保，体检报告信息解析的效率和自动化，但是目前由于各家体检报告和体检格式具有很大的差别，所有导致最终识别的准确率很低。

现有的OCR提取技术方案，如图1所示，主要是获取体检报告特征和区域，对比格式来源后获取体检报告模板，分析定位提取文字后识别，校验和标准化目标体检报告，结果输出经过以上步骤。存在有如下缺点，目前体检报告多种多样，简单的模型和算法不能取得很好的准确率，目前通用的方法取得准确率一般在 50%左右；目前体检报告识别一般没有经过深度学习神经网络的模板判别和分类，一般都是通过简单相似度的方式对比获取模板的类别；目前的算法无法很好的解决，体检报告细项匹配错位的问题，例如，把血常规的白细胞计数，识别成尿常规的白细胞计数，而这样的错误大量的存在于体检报告中；目前算法也无法很好解决，体检报告项目和值对应出错的问题，例如白细胞技术值100，实际上项目和值匹配出错的问题。

发明内容

为解决现有技术中存在的上述技术问题，提供了一种提升体检报告OCR识别准确率的方法及装置，应用于体检报告场景，基于周围特征的可信度评估函数，来提高体检报告，发票识别的准确率。

为实现上述发明目的，本发明的技术方案是：

根据本发明的第一方面，提供了一种提升体检报告OCR识别准确率的方法，该方法包括，上传报告，用户上传体检报告；

模板识别，体检报告上传后通过深度学习分类模型，进行模板判别；

OCR区域识别，根据模板判别结果，OCR识别重点识别的区域和每个区域存储的内容分布；

语义分析识别，OCR开始提取所述重点识别的区域和每个区域存储的内容文字，根据语义分析识别出体检报告字段和值；

校验和标准化，将识别出的体检报告对比标准体检报告，进行校验和标准化；

结果输出，输出校验和标准化后体检报告最终结果。

根据本发明的第二方面，还提供了一种电子设备，该设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述提升体检报告OCR识别准确率的方法。

根据本发明的第三方面，还提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本公开文本的第一方面的方法。

在一些实施例中，深度学习分类模型是使用卷积神经网络（CNN），进行图片判别分类。

在一些实施例中，模板判别是使用深度学习分类模型，识别当前OCR的体检报告页面的类别。

在一些实施例中，区域是指体检报告的内容，区域包括重点区域和非重点区域，重点区域是结构化的区域，非重点区域是无结构化的区域。

在一些实施例中，标准体检报告为根据体检标准和用户体检要求，将体检报告字段汇总后，构建一个标准体检报告，标准体检报告包括有字段，字段包括有标准分类、项目名称、编码、结果允许值、结果属性和是否长期有效信息。

在一些实施例中，在校验和标准化时，对于有歧义的体检项目，体检报告用周围项目特征判别函数进行处理。