CN114511856B 医疗单类型的判断方法、系统、设备及介质 （平安科技（深圳）有限公司）

道福安社区益田路5033号平安金融中OCR提取技术，获得医疗单的图像中多段待识别信息与预设医疗单的类型库中的各关键词进行2将所述文本信息输入至医疗单类型匹配模型中，将所述文本信息与通过滑动窗口算法，遍历所述预处理医疗单图像，提取所述预处理提取所述每段待识别文字区域中的文字特征，通过字符识别得到所述医疗采用动态阈值分割的方法，对所述灰度化医疗单图像进行二值化处使用最近邻聚类方法，对所述二值化医疗单图像进行倾斜校正将所述文本信息输入至所述医疗单类型匹配模型中，通过将所述文本将所述医疗单与各类型对应的匹配率进行排序，并选取与所述3若所述最高的匹配率小于所述预设的匹配率阈值，根据所述医将含数据标签的医疗单输入至所述医疗单类型匹配模型进行训练将所述文本信息输入至待训练的医疗单类型匹配模型进行训练，通过Tex卷积运算提取所述文本信息的特征向量，并将所述特征向量送入至Softmax分类器进行映7.根据权利要求1所述的医疗单类型的判断方法，其特征在于，所述匹配率的获取方类型判断模块，用于将所述文本信息输入至医疗单类型匹配与预设医疗单的类型库中的各关键词进行匹配，得到所述文本信息中含有的多个关键词，中各类型对应的匹配率，得到所述医疗单的类型，所述医疗单类型匹配模型是将TextMatching与Softmax分类器串联组成，所述医疗单的类型库中包括预存的各类型以及9.一种计算机设备，包括存储器、处理器及被处理器执行时实现权利要求1至7中任一项所述的4在一定程度上克服由于相关技术的限制和缺陷而导致[0009]将所述图像块数据集中的每一组图像块数据分别输入至待训练的证件识别模型证件识别模型是将ResNet34网络与Softmax分类器串联5[0013]对所述预处理后医疗单图像的文字区域进行矩形分割，得到多段待识别文字区[0019]在本发明的一个实施例中，所述将所述文本信息输入至[0023]在本发明的一个实施例中，所述将所述医疗单与各类型6TextMatching的卷积运算提取所述文本信息的特征向量，并将所述特征向量送入至型库中各类型对应的匹配率，得到所述医疗单的类型，所述医疗单类型匹配模型是将TextMatching与Softmax分类器串联组成，所述医疗单的类型库中包含有预存的各类型以7可编程门阵列(Field－ProgrammableGateArray，FPGA)、数字处理器(DigitalSignalComputing)的由大量主机或网络服务8字符识别方法将形状翻译成计算机文字的过程。使用深度OCR识别技术获取到医疗单上的由于获得的医疗单图像通常都是彩色图像，但这种彩色图像中往往会夹杂多种的干扰信9型库中各类型对应的匹配率，得到所述医疗单的类型，所述医疗单类型匹配模型是将TextMatching与Softmax分类器串联组成，所述医疗单的类型库中包括预存的各类型以及所述医疗单的类型库中的第m个类型的匹配率，Nim为第i个医疗单属于第m个类型的关键词医疗单类型与医疗单各项数据较为契合，即可将待设置医疗单类型作为此医疗单的类型。[0081]S303、将所述文本信息输入至待训练的医疗单类型匹配模型进行训练，通过TextMatching的卷积运算提取所述文本信息的特征向量，并将所述特征向量送入至深度OCR识别技术提取医疗单数据中的文本信息，然后将文本信息输入医疗单类型匹配模型进行训练，本实施例中医疗单类型匹配网络模型是基于TextMatching网络与Softmax层单通过后台保存至待训练识别池内。当待训练识别池内的医疗单数据积累到一定数量后，不改变其算法和流程的核心设计都在该专利字符识别方法将形状翻译成计算机文字的过程。使用深度OCR识别技术获取到医疗单上的由于获得的医疗单图像通常都是彩色图像，但这种彩色图像中往往会夹杂多种的干扰信[0095]所述类型判断模块113用于将所述文本信息输入至医疗单类型匹配模型中，将所将TextMatching与Softmax分类器串联组成，所述医疗单的类型库中包括预存的各类型以所述医疗单的类型库中的第m个类型的匹配率，Nim为第i个医疗单属于第m个类型的关键词医疗单类型与医疗单各项数据较为契合，即可将待设置医疗单类型作为此医疗单的类型。口和线路连接整个电子设备1的各个部件，通过运行或执行存储在所述存储器12内的程序[0105]所述处理器13执行所述电子设备1的操作系统以及安装的各类应用程序。所述处总线或扩展工业标准结构(extendedindustrystandardarchitecture，简称EISA)总线