[發明專利]一種醫療報告單照片中敏感信息脫敏方法及系統

在審

• 申請號: 202111265566.3
• 申請日: 2021-10-28
• 公開（公告）號: CN113936764A
• 公開（公告）日: 2022-01-14
• 發明（設計）人: 王玨
• 申請（專利權）人: 蘇州良醫匯網絡科技有限公司
• 主分類號: G16H15/00
• 分類號: G16H15/00;G06F21/62;G06F40/295;G06V30/40
• 代理公司: 蘇州市中南偉業知識產權代理事務所(普通合伙) 32257
• 代理人: 王廣浩

1.一種醫療報告單照片中敏感信息脫敏方法，其特征在于，包括以下步驟：

S1、基于先驗知識構建敏感信息范圍；

S2、讀取當前醫療報告單照片，檢測當前醫療報告單照片中的文本框并識別出文本內容；

S3、根據敏感信息范圍，結合使用關鍵詞匹配和序列標注網絡中的命名實體識別方法，對每個文本框的文本內容進行敏感信息的檢測與識別；

S4、對識別出的每個敏感信息的坐標進行定位；

S5、根據定位出的坐標對敏感信息位置進行打碼脫敏處理。

2.如權利要求1所述的醫療報告單照片中敏感信息脫敏方法，其特征在于，所述步驟S1包括：

S11、從現有醫療報告單照片中整理歸納，構建敏感信息匹配關鍵詞列表；

S12、搜集整理醫院名稱列表，并進行拆分、合并處理得到醫院名稱關鍵詞列表。

3.如權利要求2所述的醫療報告單照片中敏感信息脫敏方法，其特征在于，敏感信息匹配關鍵詞列表中的敏感信息包括：姓名、患者姓名、病人號、病人ID、病理號、病歷號、病例號、病案號。

4.如權利要求1所述的醫療報告單照片中敏感信息脫敏方法，其特征在于，步驟S2中，所述檢測當前醫療報告單照片中的文本框并識別出文本內容，包括：通過OCR模型檢測當前醫療報告單照片中的文本框并識別出文本內容，得到文本框坐標、文本內容與識別置信度。

5.如權利要求1所述的醫療報告單照片中敏感信息脫敏方法，其特征在于，步驟S3包括：

S31、遍歷文本框，使用THULAC對每個文本框的文本識別內容進行分詞，并標注詞性，返回詞性標注結果nes；

S32、遍歷詞性標注結果nes，如果當前信息ne_text不在已保存的敏感信息列表ne_list中，則根據詞性進行進一步判斷；

S33、關鍵詞列表keyword_list匹配查找時，如果匹配關鍵詞match_word和對應匹配信息ne_text被敏感信息檢測識別在兩個文本框，則無法脫敏，需要進一步二次處理；如果text_str文本長度不超過閾值skip_keyword_len，遍歷關鍵詞列表keyword_list，查找敏感信息match_word；

S34、如果當前文本框字符串text_str中包含醫院二字，遍歷醫院列表hosoital_list，查找是否有醫院名稱在當前字符串中text_str，如果有，將該醫院hospital添加到敏感信息列表ne_list；

S35、檢測字符串text_str中的電子郵箱地址emails，如果emails不為空，則添加到敏感信息列表ne_list中；

S36、經過步驟S34和S35步驟后，敏感信息列表ne_list中可能存在重復，在下一步遍歷敏感信息ne_list之前進行一下去重處理；

S37、遍歷敏感信息列表ne_list中的每個敏感信息，查找當前文本框字符串text_str中該敏感信息出現的索引，返回text_str長度和ne_index。

6.如權利要求5所述的醫療報告單照片中敏感信息脫敏方法，其特征在于，步驟S32中，根據詞性進行進一步判斷，包括：

S321、如果ne_text的詞性是人名，且ne_text文本長度不超過閾值skip_np_len，則將當前詞ne_text添加到敏感信息列表ne_list中；

S322、如果ne_text的詞性是地名，則將當前詞ne_text添加到敏感信息列表ne_list中；

S323、如果ne_text的詞性是數詞，進一步判斷ne_text是否為手機號、身份證號。