[发明专利]一种基于NER的检查报告隐私处理方法

说明书

本发明公开了一种基于NER的检查报告隐私处理方法，涉及报告单隐私处理技术领域，本发明包括以下步骤，首先用户上传报告单图片；然后识别模块主要用于对报告单图片上的名称实体进行识别，再然后在识别模块内建立NER模型，并训练NER模型；接着利用中文OCR技术，识别用户上传检查报告的报告单图片上的文字，并使用训练好的hanlp分词模型，对识别出来的文字进行分词，接着使用训练好的NER模型，对分词结果进行实体提取，返回实体所在图片上面的位置信息，以Box形状描绘出分词实体四顶点坐标，接着对隐私进行脱敏化；最后输出隐私脱敏后的报告单图片。本发明为一种基于NER的检查报告隐私处理方法，有效保护患者上传检查报告单图片时出现信息泄露。

技术领域

本发明涉及报告单隐私处理技术领域，特别涉及一种基于NER的检查报告隐私处理方法。

背景技术

随着互联网医疗的兴起，各种在线问诊和在线咨询应用需要患者提供各种检查报告，以便更好地提供服务，但是，各种检查报告图片内容中有着许多个人敏感的信息，如：姓名、联系电话、地址信息等，虽然各种应用在患者隐私保护上提供了声明，可以从技术手段上对一般明文信息进行脱敏保护，但是无法对患者各种上传图片上的隐私信息进行保护，只有患者本人通过主动打码来干预才能实现个人信息脱敏，为加强个人信息保护提供了法律保障，基于此，我们提出了这样一种从技术方法上对多媒体图片信息上的隐私进行去隐私化处理。

发明内容

本发明的主要目的在于提供一种基于NER的检查报告隐私处理方法，可以有效解决背景技术中的现有的互联网医疗中患者上传检查报告单时需要手动打码防止个人信息泄露，较为繁琐。

为实现上述目的，本发明采取的技术方案为：一种基于NER的检查报告隐私处理方法，包括以下步骤：

S1：用户通过用户端口上传检查报告的报告单图片；

S2：设立识别模块，识别模块主要用于对报告单图片上的名称实体进行识别，得到报告单上名称实体信息；

S201：所述识别模块内建立NER模型，并训练NER模型，在训练NER模型过程中使用《人民日报》语料库进行具体训练，重点标注姓名、联系电话、地址、证件号、亲属关系的实体；

S202：在训练NER模型过程中对于序列标注任务，例如CWS、POS、NER的处理方式是将名称实体中的身份认证令牌从离散one-hot独热码表示映射到低维空间中成为稠密的embedding中；

S203：将名称实体的embedding序列输入到RNN中，用神经网络自动提取特征；

S204：使用Softmax回归来预测每个身份认证令牌的标签，完成NER模型的构造以及训练；

S3：利用中文OCR技术，识别用户上传检查报告的报告单图片上的文字，并使用训练好的hanlp分词模型，对识别出来的文字进行分词，实现完成姓名、登记号、住院号以及病号的信息NER识别；

S4：使用训练好的NER模型，对分词结果进行实体提取，返回实体所在图片上面的位置信息，以Box形状描绘出分词实体四顶点坐标，例如使用训练好的NER模型，对分词结果进行实体提取，返回实体所在图片上面的位置信息，以Box形状描绘出四点坐标；

S5：根据报告单图片上的Box坐标位置，利用图像处理技术，对Box范围的内容进行模糊处理，从而对隐私实体内容进行屏蔽处理，实现隐私脱敏化，实现将报告单图片上的重要信息进行打码覆盖，在各种需要传送图片检查报告的互联网应用上，实现隐私数据的脱敏；对一般可OCR的内容中的隐私数据进行脱敏；

S6：输出隐私脱敏后的报告单图片。