一种融合医学知识约束与空间基线分析的OCR纠错方法与流程

摘要: 本申请涉及知识图谱,特别是涉及一种融合医学知识约束与空间基线分析的ocr纠错方法。背景技术:1、随着医疗信息化建设的深入推进,临床检验报告的数字化采集已成为医院...
一种融合医学知识约束与空间基线分析的OCR纠错方法与流程

本申请涉及知识图谱,特别是涉及一种融合医学知识约束与空间基线分析的ocr纠错方法。

背景技术:

1、随着医疗信息化建设的深入推进,临床检验报告的数字化采集已成为医院信息系统的核心环节。目前,绝大多数医疗机构采用ocr技术对纸质检验报告进行扫描识别,以实现检验数据的自动结构化提取。

2、然而,由于医学检验报告具有专业术语密集、数值精度要求高、上下角标频繁出现等特点,通用ocr引擎在识别过程中不可避免地产生两类致命性错误,严重影响后续临床决策的准确性。现有的ocr技术主要包括以下不足:医学名词形近字误判;上下角标丢失。

3、综上所述,现有技术方案或依赖模型训练,或缺乏医学领域知识,或无法处理数值合理性约束,或无法还原角标信息,均未能提供一种不依赖ocr模型重训练、能够同时解决形近字误判与角标丢失问题的后处理方案。因此,本领域亟需一种可插拔的、基于纯算法逻辑的、融合医学知识约束与空间几何分析的ocr后处理纠错方法。

技术实现思路

1、本发明的目的在于解决现有技术中存在的至少一种缺陷,提供一种融合医学知识约束与空间基线分析的ocr纠错方法,本发明通过医学知识图谱驱动的逆向校验与字符空间几何基线统计判定,在不依赖ocr模型重训练的前提下,同时实现了形近字误判纠正与上下角标还原,有效提升了医学检验报告ocr后处理的准确性、可插拔性与可追溯性。

2、为了实现上述目的,第一方面,本发明提供一种融合医学知识约束与空间基线分析的ocr纠错方法,所述方法包括以下步骤:

3、s1:获取ocr输出的结构化数据,并从所述结构化数据中提取待校验的二元组列表,所述二元组列表为医学检验项目与对应的数值;

4、s2:以所述医学检验项目的名称查询预构建的知识图谱,得到对应的参考范围,并判断所述对应的数值是否在所述参考范围内,若不在,则触发逆向校验机制并生成日志记录;否则转s3;

5、s3:对经过数值校验后的结构化数据,逐行统计所有字符的底部在图像垂直方向上的中位数及字符高度中位数;并依据预设的偏移阈值,判定每个字符是否为上角标或下角标;

6、s4:基于判定结果对所述结构化数据进行重构,得到重构后的结构化数据和角标标记;

7、s5:输出审计日志,所述审计日志包括所述重构后的结构化数据、所述日志记录和所述角标标记。

8、第二方面,本发明还提供一种融合医学知识约束与空间基线分析的ocr纠错系统,所述系统基于第一方面所述的方法,包括:

9、获取模块:用于获取ocr输出的结构化数据,并从所述结构化数据中提取待校验的二元组列表,所述二元组列表为医学检验项目与对应的数值;

10、查询模块:用于以所述医学检验项目的名称查询预构建的知识图谱,得到对应的参考范围,并判断所述对应的数值是否在所述参考范围内,若不在,则触发逆向校验机制并生成日志记录;否则转s3;

11、判定模块:用于对经过数值校验后的结构化数据,逐行统计所有字符的底部在图像垂直方向上的中位数及字符高度中位数;并依据预设的偏移阈值,判定每个字符是否为上角标或下角标;

12、重构模块:用于基于判定结果对所述结构化数据进行重构,得到重构后的结构化数据和角标标记;

13、输出模块:用于输出审计日志,所述审计日志包括所述重构后的结构化数据、所述日志记录和所述角标标记。

14、第三方面,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所述的方法的步骤。

15、与现有技术相比,本发明的有益效果在于:

16、本发明先构建含检验项目参考范围的知识图谱,当识别数值越界时,逆向检索ocr候选字矩阵,以修正后数值落入参考范围为约束进行替换,实现知识驱动的形近字纠错;然后,统计行内字符底端位置及高度的中位数建立基准,依据各字符相对基准的偏移方向与幅度以及高度缩小程度判定上下角标并重构文本,实现纯几何的角标还原;有效提升了医学检验报告ocr后处理的准确性、可插拔性与可追溯性。

1.一种融合医学知识约束与空间基线分析的ocr纠错方法,其特征在于,所述方法包括以下步骤:

2.根据权利要求1所述的一种融合医学知识约束与空间基线分析的ocr纠错方法,其特征在于,s1中从所述结构化数据中提取待校验的二元组列表,包括:

3.根据权利要求1所述的一种融合医学知识约束与空间基线分析的ocr纠错方法,其特征在于,步骤s2具体包括:

4.根据权利要求3所述的一种融合医学知识约束与空间基线分析的ocr纠错方法,其特征在于,所述组合搜索采用单字符替换优先策略:优先尝试仅替换一个字符的候选组合,若存在落入所述参考范围内的有效候选组合,则直接采用该有效候选组合,不再进行多字符替换搜索。

5.根据权利要求4所述的一种融合医学知识约束与空间基线分析的ocr纠错方法,其特征在于,若仅替换一个字符的候选组合,不存在落入所述参考范围内的有效候选组合,则进行多字符替换搜索,包括置信度硬过滤和偏离度择优,其中,

6.根据权利要求1所述的一种融合医学知识约束与空间基线分析的ocr纠错方法,其特征在于,s3具体包括:

7.根据权利要求6所述的一种融合医学知识约束与空间基线分析的ocr纠错方法,其特征在于,所述基线偏移阈值为所述字号中位值乘以第一预设比例系数,所述字号缩小比例阈值为第二预设比例系数。

8.根据权利要求6所述的一种融合医学知识约束与空间基线分析的ocr纠错方法,其特征在于,在计算所述底端垂直位置值的中位数和所述字符高度值的中位数之前,先将所述文本行中标点符号类字符从统计样本中排除。

9.一种融合医学知识约束与空间基线分析的ocr纠错系统,其特征在于,所述基于权利要求1-8任一项所述的方法,包括:

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。