[發明專利]臨床試驗收費單據的識別方法和識別裝置

在審

• 申請號: 202011242247.6
• 申請日: 2020-11-09
• 公開（公告）號: CN112348017A
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 楊威;毛琇;羅勇;胡杰文
• 申請（專利權）人: 浙江太美醫療科技股份有限公司
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/34;G06F40/151
• 代理公司: 上海專利商標事務所有限公司 31100
• 代理人: 杜娟;駱希聰

1.一種臨床試驗收費單據的識別方法，其特征在于，包括：

接收收費單據圖像；

采用光學文本識別技術識別所述收費單據圖像，從所述收費單據圖像中提取多個文字塊，所述文字塊的信息包括所述文字塊的內容和坐標；

根據所述多個文字塊的坐標計算每個所述文字塊與其周圍的其他文字塊的相對位置關系；

比較所述文字塊的內容和臨床試驗隨訪任務庫中的收費項目名稱，獲得候選收費項目名稱文字塊；

根據所述文字塊的相對位置關系確定所述候選收費項目名稱文字塊右側的第一文字塊組，若所述第一文字塊組中包括金額文字塊，則判斷所述候選收費項目名稱文字塊為正式收費項目名稱文字塊；

生成第二文字塊組，所述第二文字塊組包括所述正式收費項目名稱文字塊和所述金額文字塊；以及

對所述第二文字塊組進行標準化處理，將所述正式收費項目名稱文字塊的內容轉換為標準收費項目名稱，并且將所述金額文字塊的內容轉換為標準金額。

2.如權利要求1所述的識別方法，其特征在于，根據所述多個文字塊的坐標計算每個所述文字塊與其周圍的其他文字塊的相對位置關系的步驟包括：

生成文字塊集合，所述文字塊集合中包括所有文字塊的坐標；

根據每個文字塊的縱坐標排序，得到所有文字塊的有序列表；以及

在所述有序列表中按照順序處理每個所述文字塊，得到每個文字塊的上、下、左、右四個方向的相鄰文字塊。

3.如權利要求2所述的識別方法，其特征在于，在所述有序列表中按照順序處理每個所述文字塊的步驟包括：

步驟S31：以所述有序列表中的第一個文字塊作為第一錨點；

步驟S32：在所述有序列表中搜索所述第一錨點右側的文字塊，以所述第一錨點右側的文字塊為第二錨點，并將搜索結果記錄在所述第一錨點的數據結構中；

步驟S33：在所述文字塊集合中搜索與所述第二錨點上下相鄰的文字塊，并將搜索結果記錄在所述第二錨點的數據結構中；

步驟S34：在所述有序列表中搜索所述第二錨點右側的文字塊，若有則刪除所述第二錨點，并將所述第二錨點右側的文字塊作為新的第二錨點，重復執行步驟S33-S34，直到所述第二錨點右側沒有文字塊；

步驟S35：在所述有序列表中搜索所述第一錨點左側的文字塊，以所述第一錨點左側的文字塊為第三錨點，并將搜索結果記錄在所述第一錨點的數據結構中；

步驟S36：在所述文字塊集合中搜索與所述第三錨點上下相鄰的文字塊，并將搜索結果記錄在所述第三錨點的數據結構中；

步驟S37：在所述有序列表中搜索所述第三錨點左側的文字塊，若有則刪除所述第三錨點，并將所述第三錨點左側的文字塊作為新的第三錨點，重復執行步驟S36-S37，直到所述第三錨點左側沒有文字塊；

步驟S38：在所述有序列表中刪除所述第一錨點、第二錨點和第三錨點；以及

步驟S39：重復執行步驟S31-38，直到所述有序列表為空。

4.如權利要求3所述的識別方法，其特征在于，所述文字塊的數據結構中包括記錄與所述文字塊在上、下、左、右四個方向的相鄰文字塊的字段。

5.如權利要求1所述的識別方法，其特征在于，比較所述文字塊的內容和臨床試驗隨訪任務庫中的收費項目名稱的步驟包括：

將所述臨床試驗隨訪任務庫中的收費項目名稱拆分成長度相等的第一字段；

將所述文字塊的內容拆分成與所述第一字段的長度相等的第二字段；以及

比較所述第一字段和第二字段。

6.如權利要求5所述的識別方法，其特征在于，采用2-gram方法對所述臨床試驗隨訪任務庫中的收費項目名稱和所述文字塊進行拆分。