[發(fā)明專利]表格類醫(yī)療影像的識別方法及裝置

有效

• 申請?zhí)枺?/td>: 202110313437.0
• 申請日: 2021-03-24
• 公開（公告）號: CN112883926B
• 公開（公告）日: 2023-07-04
• 發(fā)明（設計）人: 王若楠;張秋暉;劉興旺;丁笑天
• 申請（專利權）人: 泰康保險集團股份有限公司
• 主分類號: G06V30/413
• 分類號: G06V30/413;G06V30/148;G06V30/19;G06V10/80;G06V10/774;G06V10/82;G06N3/0464
• 代理公司: 北京三友知識產(chǎn)權代理有限公司 11127
• 代理人: 薛平;王天堯

本發(fā)明公開了一種表格類醫(yī)療影像的識別方法及裝置，其中該方法包括：將表格類醫(yī)療影像輸入卷積神經(jīng)網(wǎng)絡模型，執(zhí)行：從該影像中提取出多個不同尺度大小的融合特征圖；從最小尺度大小的特征圖中檢測出表格線；將最小特征圖劃分為不同類型區(qū)域，確定每一類型區(qū)域的外接矩形；切分特征圖及基于表格線對表格類型區(qū)域進行單元格劃分，得到所有單元格；分別對非表格類型區(qū)域及表格類型區(qū)域的每一單元格進行OCR識別，按照外接矩形及每一單元格的位置輸出識別結果。本發(fā)明實現(xiàn)了基于表格線檢測與圖像區(qū)域劃分的表格類醫(yī)療影像的識別，可以提高表格類醫(yī)療影像識別的精度和效率，進而可以提高核保、理賠等業(yè)務中表格類醫(yī)療影像數(shù)據(jù)錄入的精度和效率。

技術領域

本發(fā)明涉及圖像識別技術領域，尤其涉及表格類醫(yī)療影像的識別方法及裝置。

背景技術

本部分旨在為權利要求書中陳述的本發(fā)明實施例提供背景或上下文。此處的描述不因為包括在本部分中就承認是現(xiàn)有技術。

隨著保險領域科技的進步，精細化保險的需求日益強烈，這種需求要求保險的客戶在購買保險、保險核賠時需要提供更多的醫(yī)療影像的數(shù)據(jù)(體檢報告、醫(yī)療發(fā)票、診斷記錄等)，保險公司再根據(jù)影像上的數(shù)據(jù)開展精細化的核保、理賠業(yè)務，但是隨著數(shù)據(jù)量的劇增，保險公司的核保、核賠的成本與時效也在劇增，因此需要尋求一種提高該項業(yè)務的技術。

OCR技術目前已廣泛應用于各類證件等紙質單據(jù)的識別中，對于醫(yī)療影像也有一定的應用效果，但由于醫(yī)療影像的版面布局的復雜(表格多、樣式復雜)，例如，醫(yī)療影像中住院費用清單存在大量表格區(qū)域，表示每行文字分別代表藥品名、數(shù)量、單價、總價等信息，對于此醫(yī)療影像數(shù)據(jù)，目前表格類醫(yī)療影像的識別主要利用字段檢測與位置判定得到識別結果，識別精度和效率均低，因此針對以上的核保、理賠業(yè)務中醫(yī)療影像數(shù)據(jù)的錄入，往往采用人工錄入的方式進行，這種方法不僅效率低、也容易出錯。

發(fā)明內(nèi)容

本發(fā)明實施例提供一種表格類醫(yī)療影像的識別方法，用以高效精確地識別表格類醫(yī)療影像，該方法包括：

獲取表格類醫(yī)療影像；

將所述表格類醫(yī)療影像輸入預先建立的卷積神經(jīng)網(wǎng)絡模型，所述卷積神經(jīng)網(wǎng)絡模型根據(jù)多個歷史表格類醫(yī)療影像樣本預先訓練生成，用于執(zhí)行如下步驟：

對所述表格類醫(yī)療影像進行特征提取，得到多個不同尺度大小的融合特征圖；

從最小尺度大小的融合特征圖中檢測出表格線；

將檢測出表格線的融合特征圖劃分為不同類型區(qū)域，基于所述多個不同尺度大小的融合特征圖確定每一類型區(qū)域的外接矩形，所述類型區(qū)域包括表格類型區(qū)域和非表格類型區(qū)域；

按照不同類型區(qū)域的劃分結果，切分最小尺度大小的融合特征圖；基于檢測出的表格線，對表格類型區(qū)域特征圖進行單元格分割處理，得到表格類型區(qū)域特征圖的所有單元格；

分別對非表格類型區(qū)域特征圖及表格類型區(qū)域特征圖的每一單元格進行光學字符識別OCR識別，按照所述外接矩形及每一單元格的位置信息輸出識別結果。

本發(fā)明實施例還提供一種表格類醫(yī)療影像的識別裝置，用以高效精確地識別表格類醫(yī)療影像，該裝置包括：

獲取單元，用于獲取表格類醫(yī)療影像；

表格線檢測及區(qū)域劃分單元，用于將所述表格類醫(yī)療影像輸入預先建立的卷積神經(jīng)網(wǎng)絡模型，所述卷積神經(jīng)網(wǎng)絡模型根據(jù)多個歷史表格類醫(yī)療影像樣本預先訓練生成，用于執(zhí)行如下步驟：

對所述表格類醫(yī)療影像進行特征提取，得到多個不同尺度大小的融合特征圖；

從最小尺度大小的融合特征圖中檢測出表格線；