结合大语言模型的多渠道医疗票据的识别方法、装置、设备、存储介质及产品与流程

本技术涉及票据，尤其涉及一种结合大语言模型的多渠道医疗票据的识别方法、装置、设备、存储介质及产品。

背景技术：

1、在企业的医疗报销业务中，每笔报销涉及的清单明细项繁多，目前普遍依赖人工逐项填写与审核，财务人员需手动核对大量纸质或电子票据。与此同时，各级医院的医疗票据版式繁杂、标准化程度极低，不同医院乃至同一医院的不同业务（门诊、住院、医保结算）在布局、字段命名和打印样式上均存在显著差异，这种高度异构的环境使得票据识别自动化面临巨大挑战。

2、传统ocr识别方案虽在部分标准化发票场景中得到应用，但其本质依赖于固定版式模板或大量标注数据的训练，泛化能力严重不足，一旦遭遇新版式或版式微调，原有模板即告失效，需重新收集样本进行模型调优。此外，ocr输出仅为离散文本块，需依赖大量人工编写后处理规则才能组装为结构化字段，这些规则随版式增加呈线性膨胀，维护成本极高且易冲突。而直接采用通用大模型进行端到端识别，又面临输入输出token开销大、处理大体积图片效率低，以及单一模型渠道难以适配不同企业个性化接入需求等现实瓶颈。

技术实现思路

1、本技术的主要目的在于提供一种结合大语言模型的多渠道医疗票据的识别方法、装置、设备、存储介质及产品，旨在系统性解决医疗票据自动化识别中泛化性差、维护成本高及渠道适配僵化的难题。

2、为实现上述目的，本技术提出一种结合大语言模型的多渠道医疗票据的识别方法，所述方法包括：

3、响应于接收到医疗票据识别请求，获取待识别的医疗票据图片数据；

4、根据所述医疗票据图片数据，提取所述医疗票据的票据元数据；所述票据元数据至少包括票据类型和医院名称；

5、根据所述票据类型和/或所述医院名称，从预设的提示词库中动态匹配并路由选择对应的目标识别提示词；

6、获取所述医疗票据识别请求对应的目标渠道配置，根据所述目标渠道配置调用对应的大语言模型接口，其中，所述目标渠道配置基于所述医疗票据识别请求携带的企业标识，从预注册的多个模型服务渠道中路由确定；

7、将所述医疗票据图片数据和所述目标识别提示词输入所述大语言模型进行推理，获取原始输出结果；

8、对所述原始输出结果进行工程化规范处理，生成结构化的票据识别数据并输出。

9、在一实施例中，所述响应于接收到医疗票据识别请求，获取待识别的医疗票据图片数据的步骤之前，还包括：

10、构建提示词库，将预先收集的样本提示词按识别阶段和适用对象进行分类存储至所述提示词库，其中，每条提示词至少包含任务描述、字段定义、字段处理规则、输出格式约束和输出示例中的至少一项；

11、为不同的模型供应商分别配置统一的处理器接口，并将各处理器的渠道类型及对应的企业标识注册至渠道配置表中，所述渠道配置表包括预注册的多个模型服务渠道与对应的企业标识。

12、在一实施例中，所述根据所述医疗票据图片数据，提取所述医疗票据的票据元数据，包括：

13、调用医院/就诊人识别提示词对所述医疗票据图片数据进行第一级识别，提取医院名称和就诊人姓名，得到第一级识别结果；

14、基于所述第一级识别结果，调用票据类型判断提示词进行第二级识别，确定所述医疗票据的具体票据类型编码，得到票据元数据。

15、在一实施例中，所述根据所述票据类型和/或所述医院名称，从预设的提示词库中动态匹配并路由选择对应的目标识别提示词，包括：

16、若所述票据类型编码为发票明细，则按发票类型编码查询对应的中央统一发票提示词，作为所述目标识别提示词；

17、若所述票据类型编码为清单明细，则以所述医院名称为路由键，查询所述医院的专属清单提示词，作为所述目标识别提示词；

18、若未查询到匹配的专属提示词，则自动降级使用默认兜底提示词作为所述目标识别提示词。

19、在一实施例中，所述响应于接收到医疗票据识别请求，获取待识别的医疗票据图片数据，包括：

20、响应于接收到医疗票据识别请求，获取待识别的原始医疗票据图像；

21、判断所述原始医疗票据图像的文件大小或分辨率是否超过预设阈值；

22、若是，则按目标宽度进行等比例分辨率压缩，并保持图像宽高比不变；

23、读取所述原始医疗票据图像的exif方向参数，根据所述方向参数旋转摆正图像；

24、将处理后的图像转换为base64编码数据，作为标准化的医疗票据图片数据。

25、在一实施例中，所述提示词的设计还包括：

26、在每一条提示词的起始位置为模型设定专业角色描述，以激活模型在医疗票据领域的知识；所述专业角色描述用于指示所述大语言模型以医疗票据审核员的身份执行识别任务；

27、将每条提示词进行结构组装，并配置为包含以下至少一个独立可调模块：任务描述模块、字段定义模块、字段处理规则模块、输出格式约束模块、输出示例模块；

28、将组装完成的提示词文本与模型推理参数进行绑定配置，以联合微调模型推理参数；所述模型推理参数至少包括温度参数，以及按预估输出记录条数动态计算的最大输出令牌数和用于截断多余输出的停止序列；

29、将完整的医疗票据识别任务按照执行顺序拆分为多个串联的轻量子任务，并为每个子任务分别配置独立的提示词；所述子任务至少包括用于提取医院名称和就诊人姓名的第一级提示词、用于判断票据类型编码的第二级提示词以及用于提取费用明细清单的第三级提示词；其中，前一级子任务的输出结果作为后一级子任务中提示词路由或动态组装的依据。

30、在一实施例中，所述原始输出结果的输出格式为自定义分隔符格式；所述自定义分隔符格式将各目标字段按预定分隔符顺序拼接为单行文本。

31、在一实施例中，所述获取所述医疗票据识别请求对应的目标渠道配置，根据所述目标渠道配置调用对应的大语言模型接口，包括：

32、根据所述医疗票据识别请求携带的企业标识查询所述渠道配置表，获取活跃的渠道配置；若未查询到或当前渠道被禁用，则自动降级至预设的默认渠道；

33、遍历已注册的处理器集合，按渠道类型匹配对应的处理器，由匹配到的处理器通过内部适配器，将包含所述医疗票据图片数据、所述目标识别提示词及扩展配置的统一识别请求，转换为对应模型供应商的特定接口协议进行调用；

34、在调用结束后，通过所述适配器将模型供应商返回的原始响应解析为统一的识别结果结构，作为所述原始输出结果。

35、在一实施例中，所述对所述原始输出结果进行工程化规范处理，生成结构化的票据识别数据并输出，包括：

36、去除所述原始输出结果中的多余空格和换行符，提取有效数据行；

37、对提取出的有效数据行的各字段进行数据类型兼容处理，将数值类字段转换为数字类型；将预设的枚举类字段映射至系统标准字典项，过滤非标准内容；对于解析失败的字段，填充空字符串并记录异常日志，生成结构化的票据识别数据并输出。

38、此外，为实现上述目的，本技术还提出一种结合大语言模型的多渠道医疗票据的识别装置，所述装置包括：

39、获取模块，用于响应于接收到医疗票据识别请求，获取待识别的医疗票据图片数据；

40、提取模块，用于根据所述医疗票据图片数据，提取所述医疗票据的票据元数据；所述票据元数据至少包括票据类型和医院名称；

41、提示词匹配模块，用于根据所述票据类型和/或所述医院名称，从预设的提示词库中动态匹配并路由选择对应的目标识别提示词；

42、模型调用模块，用于获取所述医疗票据识别请求对应的目标渠道配置，根据所述目标渠道配置调用对应的大语言模型接口，其中，所述目标渠道配置基于所述医疗票据识别请求携带的企业标识，从预注册的多个模型服务渠道中路由确定；

43、推理模块，用于将所述医疗票据图片数据和所述目标识别提示词输入所述大语言模型进行推理，获取原始输出结果；

44、结果处理模块，用于对所述原始输出结果进行工程化规范处理，生成结构化的票据识别数据并输出。

45、此外，为实现上述目的，本技术还提出一种结合大语言模型的多渠道医疗票据的识别设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上文所述的结合大语言模型的多渠道医疗票据的识别方法的步骤。

46、此外，为实现上述目的，本技术还提出一种存储介质，所述存储介质为计算机可读存储介质，所述存储介质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如上文所述的结合大语言模型的多渠道医疗票据的识别方法的步骤。

47、此外，为实现上述目的，本技术还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如上文所述的结合大语言模型的多渠道医疗票据的识别方法的步骤。

48、本技术提出的一个或多个技术方案，至少具有以下技术效果：通过响应于接收到医疗票据识别请求，获取待识别的医疗票据图片数据；根据所述医疗票据图片数据，提取所述医疗票据的票据元数据；所述票据元数据至少包括票据类型和医院名称；根据所述票据类型和/或所述医院名称，从预设的提示词库中动态匹配并路由选择对应的目标识别提示词；获取所述医疗票据识别请求对应的目标渠道配置，根据所述目标渠道配置调用对应的大语言模型接口，其中，所述目标渠道配置基于所述医疗票据识别请求携带的企业标识，从预注册的多个模型服务渠道中路由确定；将所述医疗票据图片数据和所述目标识别提示词输入所述大语言模型进行推理，获取原始输出结果；对所述原始输出结果进行工程化规范处理，生成结构化的票据识别数据并输出。本技术实现了从原始票据图像到结构化数据的全自动、零样本识别，通过链式预识别和动态路由保证了提示词的精准匹配，多渠道配置支持企业灵活接入，工程化规范确保了输出结果的可靠性，最终显著提升了医疗票据识别的效率、泛化能力和稳定性，大幅降低了人工录入成本和维护复杂度，系统性解决了医疗票据自动化识别中泛化性差、维护成本高及渠道适配僵化的难题。