[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

本發明公開了一種醫療報告單照片中敏感信息脫敏方法及系統，該方法包括以下步驟：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。本發明的醫療報告單照片中敏感信息脫敏方法及系統能夠準確識別敏感信息并對敏感信息精準定位，最終實現對敏感信息的打碼脫敏，具有可行性高、準確度高的優點。

技術領域

本發明涉及圖像脫敏技術領域，特別涉及一種醫療報告單照片中敏感信息脫敏方法及系統。

背景技術

在大數據時代，人工智能發展迅猛，“互聯網+醫療”成為我國醫療健康產業發展的新方向；信息共享給生活帶來便捷的同時，個人敏感信息安全面臨挑戰。隨著醫療信息系統的廣泛應用，醫療報告單作為十分常見的文件，常常包含如病人姓名、病人編號、門診號、聯系方式、病人住址、醫院、醫生姓名等重要信息。因此，在智能醫療、在線問診、醫學研究等眾多領域，經常會使用手機等設備拍攝醫療報告單照片，形成圖像上傳。為保證用戶信息的安全性，在使用這些圖像之前，對圖像中的敏感信息進行“脫敏”就顯得極為重要。

圖像脫敏是指對敏感信息通過圖像模糊、添加水印、添加馬賽克等方式進行的信息遮擋，從而對圖像中的敏感信息起到一定的保護作用。現有的圖像脫敏技術在進行脫敏時多采用模板匹配、模板覆蓋的脫敏技術，將提前準備好的替換模板放置于需要脫敏的圖像位置。但是準備匹配模板的過程會增加圖像前期處理的時間，使得圖像脫敏效率低下。

對圖像脫敏來說，圖像中的文本數據檢測與識別是敏感信息脫敏的一個重要環節，是指對圖像進行分析識別處理，獲取文字和版面信息的過程。文本檢測可以檢測文本框位置，但是卻無法輸出每個字符的位置，這就給后續敏感信息的定位造成了較大的困難。

針對醫療文本的脫敏方法主要分為：基于規則和詞典的方法、基于機器學習的方法以及兩者的結合。基于規則和詞典的方法速度較快，是缺少大量熟語料標注情況下的有效方式，但是精確率和召回率非常依賴詞典的好壞。機器學習的算法通常優于基于規則的算法，但是獲得大規模醫療領域的熟語料是非常困難的，而且有些隱私數據在醫療文本出現的頻率不高，這些數據稀疏性也使機器學習的結果變差。

目前已有圖像脫敏、醫療文本脫敏的相關技術，但是關于醫療報告單照片的脫敏研究卻有所欠缺。主要原因是醫療報告單版式多樣，在此種無固定版式的場景下，如何將圖像文本數據檢測與識別的文本數據進行關聯，如何檢測并定位脫敏信息是本領域技術人員需要解決的問題。

發明內容

本發明要解決的技術問題是提供一種可行性高、準確度高的醫療報告單照片中敏感信息脫敏方法。

為了解決上述問題，本發明提供了一種醫療報告單照片中敏感信息脫敏方法，其包括以下步驟：

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。

作為本發明的進一步改進，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。