CN114332876A - 一种基于区块链技术的医疗票据图像识别方法 - Google Patents
一种基于区块链技术的医疗票据图像识别方法 Download PDFInfo
- Publication number
- CN114332876A CN114332876A CN202210011463.2A CN202210011463A CN114332876A CN 114332876 A CN114332876 A CN 114332876A CN 202210011463 A CN202210011463 A CN 202210011463A CN 114332876 A CN114332876 A CN 114332876A
- Authority
- CN
- China
- Prior art keywords
- data
- characteristic
- image
- identification
- feature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开一种基于区块链技术的医疗票据图像识别方法,所述方法包括获得医疗票据图像的票据数据特征,对所述票据数据特征进行鉴别,判别所述标识图像数据是否具有相同标识图像,将所述类别图像数据依据分类分别输入特点提炼模块和规格检验模块,获得所述特点提炼模块生成的特征数据点和所述规格检验模块生成的尺寸数据点;将所述特征数据点和所述尺寸数据点输入所述参变量调整原型中,生成调整数据点变量,根据所述调整数据点变量获得票据图像调整变量对所述医疗票据图像进行调整。本技术方案中通过对票据数据特征进行鉴别,根据分类提取的关键信息,提高医疗票据在管理和保险鉴定上处理的准确率,同时与区块链技术的结合,利于数据的存储。
Description
技术领域
本发明涉及区块链技术领域,具体涉及一种基于区块链技术的医疗票据图像识别方法。
背景技术
目前在医疗票据的核对上,如果医疗票据数量少,可以采用人工核对,而如果在保险理赔或者医疗系统等对医疗票据进行规范化管理统计过程中,由于票据的种类,样式,尺寸大小的不同,有的票据由于时间长或者保存不完善存在折叠、褶皱等情况,因此,采用的人工核对工作效率低,而且出错率大。
而随着计算机技术的发展,在医疗票据的识别上引入了识别算法的机器识别方式,但是该方法在识别过程中,受限于医疗票据图像必须标准,按照其固定尺寸进行上传,而实际处理过程中,医疗数据图像因为医疗数据的规格、本身纸张质量等情况可能存在显示不清楚,因此,识别准确率低。
随着计算机技术的快速发展,区块链作为一种新型应用模式,其分布式存储模式、加密算法、不可篡改、全程留痕的特点引发人们的广泛关注,将区块链技术应用于医疗领域成为发展的一个新趋势。
发明内容
本发明提供一种基于区块链技术的医疗票据图像识别方法,所述方法包括获得医疗票据图像的票据数据特征,对所述票据数据特征进行鉴别,判别所述标识图像数据是否具有相同标识图像,将所述类别图像数据依据分类分别输入特点提炼模块和规格检验模块,获得所述特点提炼模块生成的特征数据点和所述规格检验模块生成的尺寸数据点;将所述特征数据点和所述尺寸数据点输入所述参变量调整原型中,生成调整数据点变量,根据所述调整数据点变量获得票据图像调整变量对所述医疗票据图像进行调整,解决了现有技术中人工核对医疗票据处理效率低,工作量大,很容易出错等技术问题。
本发明通过下述技术方案实现:
一种基于区块链技术的医疗票据图像识别方法,所述方法包括:
A001:获得医疗票据图像的票据数据特征,对所述票据数据特征进行鉴别,并根据所述票据数据特征进行类别标识,获得标识图像数据;
A002:判别所述标识图像数据是否具有相同标识图像,如果所述标识图像数据中有所述相同标识图像,将所述相同标识图像拷贝后第二次归类标识,获得类别图像数据;
A003:将所述类别图像数据依据分类分别输入特点提炼模块和规格检验模块,获得所述特点提炼模块生成的特征数据点和所述规格检验模块生成的尺寸数据点;
A004:将所述特征数据点和所述尺寸数据点输入所述参变量调整原型中,根据所述参变量调整原型,生成调整数据点变量,根据所述调整数据点变量获得票据图像调整变量对所述医疗票据图像进行调整。
在本申请技术方案中,可选地,所述步骤A001中,还包括:
A0010:对所述票据数据特征使用卷积进行特征鉴别,获得票据图像数据特点,将所述票据图像数据特点中的特征点进行科学化分析,生成特征点信息组;
A0011:通过对所述票据图像数据特点按照归一化进行分析,生成优化特征点信息组,根据所述优化特征点信息组,获得特征点类别数据。
在本申请技术方案中,可选地,所述A0011中还包括:
A00111:建立规律回归原型,将所述优化特征点信息组输入到所述规律回归原型中,位于所述规律回归原型中逻辑回归线一侧为特征信息I,位于所述规律回归原型中逻辑回归线另一侧的为特征信息II;
A00112:根据所述规律回归原型,获得所述特点类别结果,依据类别对所述特点类别结果进行标识,获得标识图像数据。
在本申请技术方案中,可选地,所述A00112中还包括:
A001121:根据所述标识图像数据,获得医疗票据图像特征数据化参数I和医疗票据图像特征数据化参数II,所述医疗票据图像特征数据化参数I与所述特征信息I对应,所述医疗票据图像特征数据化参数II与所述特征信息II对应;
A001122:对所述医疗票据图像特征数据化参数I和所述疗票据图像特征数据化参数II进行占比分析,获得占比参数I,根据所述占比参数I,获得标识关键词;
A001123:根据所述标识关键词对所述票据数据特征进行标识。
在本申请技术方案中,可选地,所述所述特征信息I中的标识关键词与所述特征信息II的标识关键词不同。
在本申请技术方案中,可选地,所述A00112中还包括:
A001124:建立特点提炼单元,所述特征提炼单元包括特点信息提炼I和特点信息提炼II,将所述特点类别结果中所述特征信息I的特征保存到特点信息提炼I,将所述特征信息II中的特征保存到所述特点信息提炼II;
A001125:所述特点信息提炼I和所述特点信息提炼II均可通过特征信息点调取指令对特征信息点进行调用。
在本申请技术方案中,可选地,所述A003中还包括:
A0031:根据所述类别图像数据,获得分类图像数据I和分类图像数据II,根据所述分类图像数据I和所述分类图像数据II,获得特征调取命令I和特征调取命令II;
A0032:根据所述特征调取命令I从所述特点信息提炼I中进行特征提取并输入至所述特点提炼模块进行特点鉴别,生成所述特征数据点;
A0033:根据所述特征调取命令II从所述特点信息提炼II中进行特征点提炼并输入至所述规格检验模块进行特点鉴别,获得所述尺寸数据点。
在本申请技术方案中,可选地,所述A0033中,所述特点信息提炼II为特征点信息提炼区,所述特征点提炼区包括医疗票据的高度、宽度、厚度、分辨率。
在本申请技术方案中,可选地,所述A004中,还包括:
A0041:建立所述参变量调整原型,将所述特征数据点和所述尺寸数据点作为所述参变量调整原型的填入数据I;
A0042:将规格调整装置的本质特征信息作为所述参变量调整原型的填入数据II,所述规格调整装置为所述医疗票据图像的调整装置;
A0043:所述参变量调整原型为将所述填入数据I和填入数据II进行多组数据训练至收敛获得;
A0044:根据所述参变量调整原型,获得所述调整数据点变量。
可选地,将上述技术方案中涉及到的数据通过网络存储到区块链中。
本发明与现有技术相比,具有如下的优点和有益效果:
本技术方案中通过获得医疗票据图像的票据数据特征,对所述票据数据特征进行鉴别,并根据所述票据数据特征进行类别标识,获得标识图像数据;判别所述标识图像数据是否具有相同标识图像,如果所述标识图像数据中有所述相同标识图像,将所述相同标识图像拷贝后第二次归类标识,获得类别图像数据;将所述类别图像数据依据分类分别输入特点提炼模块和规格检验模块,获得所述特点提炼模块生成的特征数据点和所述规格检验模块生成的尺寸数据点;将所述特征数据点和所述尺寸数据点输入所述参变量调整原型中,根据所述参变量调整原型,生成调整数据点变量,根据所述调整数据点变量获得票据图像调整变量对所述医疗票据图像进行调整。本技术方案中通过对票据数据特征进行鉴别,鉴别后根据类别进行标识,从而能够根据分类提取医疗票据图像的关键信息。依据提取到的关键信息进行标识,从而提高医疗票据在管理和保险鉴定上处理的准确率。
附图说明
图1为本发明的流程结构示意框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1:
如图1所示,一种基于区块链技术的医疗票据图像识别方法,包括
A001:获得医疗票据图像的票据数据特征,对所述票据数据特征进行鉴别,并根据所述票据数据特征进行类别标识,获得标识图像数据;
具体地,所述医疗票据图像为医院或诊所、药房等医疗机构开具的医疗票据所形成的图像,医疗票据图像是经过图像扫描装置或者其他具有采集图像作用的装置经过采集或扫描获得。其中,医疗票据图像中的票据数据特征大于等于两个,例如根据不同面、不同距离采集的医疗数据图像,然后对所述票据数据特征进行类别标识,比如根据医疗票据图像的规格类别信息和数据类别信息,均为标识图像数据。其中,规格类别信息,比如医疗票据长度、宽度、厚度、分辨率等等;所述数据类别信息为医疗票据的类别,比如开具医疗票据的机构类别,诊所或者医院或者药房等等;医疗票据类别例如是医药费、治疗费、检查费、护理费、放射费、化验费等等,依据具体类别对票据数据特征进行类别标识,获得标识图像数据。其中,对票据数据特征进行鉴别,鉴别后根据类别进行标识,从而能够根据分类提取医疗票据图像的关键信息。依据提取到的关键信息进行标识,从而提高医疗票据在管理和保险鉴定上处理的准确率。
A002:判别所述标识图像数据是否具有相同标识图像,如果所述标识图像数据中有所述相同标识图像,将所述相同标识图像拷贝后第二次归类标识,获得类别图像数据;
A003:将所述类别图像数据依据分类分别输入特点提炼模块和规格检验模块,获得所述特点提炼模块生成的特征数据点和所述规格检验模块生成的尺寸数据点;
A004:将所述特征数据点和所述尺寸数据点输入所述参变量调整原型中,根据所述参变量调整原型,生成调整数据点变量,根据所述调整数据点变量获得票据图像调整变量对所述医疗票据图像进行调整。
具体地,判别所述标识图像数据是否具有相同标识图像,比如既包括规格信息又包括数据特征、关键词等信息,如果具有相同标识图像等信息,因此在判别中将相同标识图像分给属于相同中的某一类,都会影响标识的准确性,可以将相同标识图像进行拷贝后进入第二次归类标识,即把相同标识图像提取出来,进行再次分类,从而避免对采集的医疗票据图像进行分类时数据的缺失,从而获得类别图像数据。能够尽量确保数据的完整性,减少数据的减少,从而使类别的分类更加准确。
其中,所述特点提炼模块是将所述类别图像中的特征分类数据进行提炼,提取医疗数据图像中的数据的关键词,比如费用类别、票据类别、具体费用等关键词,以及获取医疗票据规格信息,然后对提炼到的特征进行使用,能够很好的对医疗数据图像的信息进行识别、分析,提高识别分析后获得结果的准确率,减少工作人员在对大量医疗票据进行核对过程中出现工作量大,以及核对错误等问题。所述特点提炼模块和所述规格检验模块进行图像鉴别,所述特点提炼模块输出所述特征数据点,所述规格检验模块输出所述尺寸数据点,将所述特征数据点和所述尺寸数据点输入所述参变量调整原型中,根据所述参变量调整原型,获得调整数据点变量,其中,所述调整数据点变量为调整识别图像参数,所述调整识别图像参数能够针对采集到的医疗数据图像情况进行合理的调整识别图像参数,比如识别范围、识别数据放大倍数、是否进行医疗数据图像的分辨率清晰化处理等等。根据调整识别图像参数对所述医疗票据图像在识别上进行进一步调整、设置,能够提高医疗票据图像识别的准确率,从而提高识别质量,有利于工作人员在对医疗票据核对过程中减少工作量。
其中,所述参变量调整原型可称为参变量调整模型,具体可为一种神经网络模型,即一种复杂的神经网络系统。神经网络依靠系统的复杂性,对内部大量节点之间的连接关系进行调整,从而实现对信息的处理。通过将多组特征数据点和所述尺寸数据点数据输入到参变量调整原型中,进行训练至收敛而建立的模型。因此,参变量调整原型输出的调整数据点变量,该数据更准确,具有可靠依据。
在本申请技术方案中,所述步骤A001中,还包括:
A0010:对所述票据数据特征使用卷积进行特征鉴别,获得票据图像数据特点,将所述票据图像数据特点中的特征点进行科学化分析,生成特征点信息组;
A0011:通过对所述票据图像数据特点按照归一化进行分析,生成优化特征点信息组,根据所述优化特征点信息组,获得特征点类别数据。
具体地,使用卷积特征进行鉴别主要是进行卷积计算对医疗票据图像数据上的信息或医疗票据图像规格进行准确识别的一种具体的识别方法,从而获得识别后的所述票据图像数据特点。其中,所述卷积核是指图像处理时,给定输入的医疗票据图像中的小区域中像素大于加权平均后输出图像中的每个对应像素,其中权值由一个函数定义,该函数称为卷积核。将提取的特征进行科学化分析,获得特征点信息组。其中,科学化分析也可理解为进行数据化处理的。具体数据化处理的方式为将特征鉴别后获取的票据图像数据特点中的特征点进行转化数字,从而获得特征点信息组,将不同的特征点进行排布,由于每个特征点或者很多特征点有不同的表现方式,因此,会导致转化后的数字出现绝对值缺失的情况,比如一些数值小的数据在数据化处理时,由于设置的关系或者数值大数据对其产生影响而消失,因此为了避免这种情况,进一步采取归一化处理,有效确保每个特征点处于相同的平等地位。经过归一化处理后,获得优化特征点信息组,以优化特征点信息组为基础,从而获得特征点类别数据,本技术方案中通过采用卷积特征进行识别能够进一步提高识别的准确度,利于进一步提高分类的准确性,避免识别不准确,相对于人工核对在提高识别效率的同时,加强了准确度。
在本申请技术方案中,所述步骤A0011中,还包括:
A00111:建立规律回归原型,将所述优化特征点信息组输入到所述规律回归原型中,位于所述规律回归原型中逻辑回归线一侧为特征信息I,位于所述规律回归原型中逻辑回归线另一侧的为特征信息II;
A00112:根据所述规律回归原型,获得所述特点类别结果,依据类别对所述特点类别结果进行标识,获得标识图像数据。
具体地,所述规律回归原型的逻辑回归线主要作用是分类规律回归原型中的结果,其中,位于所述逻辑回归线一侧的为特征信息I,位于所述逻辑回归线另一侧的为特征信息II,将优化特征点信息组填入所述规律回归原型中,优化特征点信息组中的数据均排布在逻辑回归线的两侧,因此,依据优化特征点信息组中数据的排布情况,据此进行分类,从而获得特点类别结果,对所述特点类别结果中的特点数据进行标识,主要标识要识别的特点数据,然后对标识的数据量进行量化,从量化的角度进行判断,从而获得标识图像数据。本技术方案中采用规律回归原型和数据量化的类别标识方法,能够进一步使在对优化特征点信息组进行分类,该分类方法有科学依据,因此结果可靠度更高。
可选地,在本申请技术方案中,所述A00112中还包括:
A001121:根据所述标识图像数据,获得医疗票据图像特征数据化参数I和医疗票据图像特征数据化参数II,所述医疗票据图像特征数据化参数I与所述特征信息I对应,所述医疗票据图像特征数据化参数II与所述特征信息II对应;
A001122:对所述医疗票据图像特征数据化参数I和所述疗票据图像特征数据化参数II进行占比分析,获得占比参数I,根据所述占比参数I,获得标识关键词;
A001123:根据所述标识关键词对所述票据数据特征进行标识。
可选地,所述特征信息I中的标识关键词与所述特征信息II的标识关键词不同。
具体地,根据所述特点类别结果,获得医疗票据图像特征数据化参数I和所述医疗票据图像特征数据化参数II分别对应的所述特征信息I和所述特征信息II,进一步对所述医疗票据图像特征数据化参数I和所述医疗票据图像特征数据化参数II进行占比分析处理,获得占比参数I,其中,所述占比参数I表示医疗票据图像中的票据数据特征中规格特征信息和数据特征信息或者说关键词数据特征信息的占比情况。根据所述占比参数I,生成标识关键词,用不同的标识关键词或者不同的标识关键字对所述票据数据特征进行标识,具体为对所述票据数据特征进行特征信息I和特征信息II的分别标识。本技术方案中通过进一步对关键词或关键字或关键数据或规格形状进行标识后,获得对应的标识关键词等,使标识量进一步增加。且所述特征信息I中的标识关键词与所述特征信息II的标识关键词不同。
可选地,所述A00112中还包括:
A001124:建立特点提炼单元,所述特征提炼单元包括特点信息提炼I和特点信息提炼II,将所述特点类别结果中所述特征信息I的特征保存到特点信息提炼I,将所述特征信息II中的特征保存到所述特点信息提炼II;
A001125:所述特点信息提炼I和所述特点信息提炼II均可通过特征信息点调取指令对特征信息点进行调用。
具体地,将所述特点类别结果中的特征信息I和所述特征信息II对应保存到所述特点信息提炼I和所述特点信息提炼II中,其中,所述特征信息I中的特征保存到特点信息提炼I该区域中,所述特征信息II中的特征保存到所述特点信息提炼II中。其中,所述所述特点信息提炼I和所述特点信息提炼II共同构成特点提炼单元,所述特点提炼单元涵盖了所述医疗票据的所有特征点信息,能够通过特征信息点调取指令对所述特点信息提炼I和所述特点信息提炼II开展特征信息点提炼,能够应用于不同机构开具的不同种类的医疗票据图像在核对前的特征信息点的提炼。本技术方案中通过建立特点提炼单元,所述特点提炼单元的建立应用到的医疗票据面广,而且具有推广应用价值,能够减少核对医疗票据上相关金额、项目上提高效率,实现提高效率的同时,也通过提高调用的精准性。
可选地,所述A003中还包括:
A0031:根据所述类别图像数据,获得分类图像数据I和分类图像数据II,根据所述分类图像数据I和所述分类图像数据II,获得特征调取命令I和特征调取命令II;
A0032:根据所述特征调取命令I从所述特点信息提炼I中进行特征提取并输入至所述特点提炼模块进行特点鉴别,生成所述特征数据点;
A0033:根据所述特征调取命令II从所述特点信息提炼II中进行特征点提炼并输入至所述规格检验模块进行特点鉴别,获得所述尺寸数据点。
可选地,所述A0033中,所述特点信息提炼II为特征点信息提炼区,所述特征点提炼区包括医疗票据的高度、宽度、厚度、分辨率。
具体地,所述类别图像数据通过进行类别分析,获得分类图像数据I和分类图像数据II,根据所述分类图像数据I和所述分类图像数据II,获得对应的特征调取命令I和特征调取命令II,所述特征调取命令I能够对所述特点信息提炼I该区域中提取特征信息点分类数据,并将数据输入至所述特点提炼模块进行特点鉴别,生成所述特征数据点,所述特征数据点比如为医疗票据图像上所述显示的开具票据的医院名称,票据的类别,开具票据的识别代码、票据的金额,以及开具人、审核人,开具时间等等。可根据关键词进行鉴别,提高识别效率,如果在医疗票据图像显示不清楚或者有折叠的情况下,可以进行模糊识别,依据特征调取命令I进行模糊识别,根据类别图像数据,在综合分析处理下,有效提高识别的准确率。所述特征调取命令II为从所述特点信息提炼II中该区域中提取规格特征数据点信息,并输入至所述规格检验模块中,获得尺寸数据点,所述尺寸数据点具体比如为医疗票据图像的规格数据,将医疗票据图像进行按照该规格数据进行放大,或缩小,或者移动到对应的医疗票据图像的数据区域进行鉴别,从而利于提高在该情况下提高识别的准确率。本技术方案中通过对类别图像数据中获得图像调取命令,对特征信息点进行有效提炼,从而确保提炼的准确率,以及提高工作效率。
可选地,所述A004中,还包括:
A0041:建立所述参变量调整原型,将所述特征数据点和所述尺寸数据点作为所述参变量调整原型的填入数据I;
A0042:将规格调整装置的本质特征信息作为所述参变量调整原型的填入数据II,所述规格调整装置为所述医疗票据图像的调整装置;
A0043:所述参变量调整原型为将所述填入数据I和填入数据II进行多组数据训练至收敛获得;
A0044:根据所述参变量调整原型,获得所述调整数据点变量。
具体地,以医疗票据图像鉴别中采取卷积特征鉴别、数据量化类别标识、归一化处理、标识关键字等为基础构建的数据基础上建立参变量调整原型,所述参变量调整原型中包括所有调整参数,并将所述特征数据点和所述尺寸数据点作为填入数据I,填入到所述参变量调整原型中。然后获得规格调整装置的本质特征信息,规格调整装置是对现有的医疗票据进行进一步处理,调整成预定规格的医疗票据,便于识别,而本质特征信息是指规格调整装置的工作参数,比如具体类别,可以为小刀或自动裁切工具,如为自动裁切工具的相关信息,功率表以及裁切厚度,裁切位置等等。将所述本质特征信息输入到参变量调整原型中,其中,本质特征信息为所填入数据II,由于参变量调整原型是将多组填入数据I和填入数据II进行训练然后至收敛而建立,是经过大量的数据训练而获得的参变量调整模型,因此将填入数据I和填入数据II输入后,生成的调整数据点变量,该数据更加合理,准确。本技术方案中所述调整数据点变量为调整识别图像参数,可以依据这些变量进行调整医疗票据或医疗票据图像,从而使调整,经过综合处理比如拼接等方式后,在票据识别上效率更高,也更准确。
可选地,将本实施例中所述数据通过网络存储到区块链中。将上述对医疗票据图像处理步骤中获得数据进行保存到区块链中,充分利用了区块链技术的分布式数据存储、加密算法等计算机技术应用的优势,确保整个识别过程中数据传输的安全性。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于区块链技术的医疗票据图像识别方法,其特征在于:所述方法包括:
A001:获得医疗票据图像的票据数据特征,对所述票据数据特征进行鉴别,并根据所述票据数据特征进行类别标识,获得标识图像数据;
A002:判别所述标识图像数据是否具有相同标识图像,如果所述标识图像数据中有所述相同标识图像,将所述相同标识图像拷贝后第二次归类标识,获得类别图像数据;
A003:将所述类别图像数据依据分类分别输入特点提炼模块和规格检验模块,获得所述特点提炼模块生成的特征数据点和所述规格检验模块生成的尺寸数据点;
A004:将所述特征数据点和所述尺寸数据点输入所述参变量调整原型中,根据所述参变量调整原型,生成调整数据点变量,根据所述调整数据点变量获得票据图像调整变量对所述医疗票据图像进行调整。
2.根据权利要求1所述的一种基于区块链技术的医疗票据图像识别方法,其特征在于:所述步骤A001中,还包括:
A0010:对所述票据数据特征使用卷积进行特征鉴别,获得票据图像数据特点,将所述票据图像数据特点中的特征点进行科学化分析,生成特征点信息组;
A0011:通过对所述票据图像数据特点按照归一化进行分析,生成优化特征点信息组,根据所述优化特征点信息组,获得特征点类别数据。
3.根据权利要求2所述的一种基于区块链技术的医疗票据图像识别方法,其特征在于:所述A0011中还包括:
A00111:建立规律回归原型,将所述优化特征点信息组输入到所述规律回归原型中,位于所述规律回归原型中逻辑回归线一侧为特征信息I,位于所述规律回归原型中逻辑回归线另一侧的为特征信息II;
A00112:根据所述规律回归原型,获得所述特点类别结果,依据类别对所述特点类别结果进行标识,获得标识图像数据。
4.根据权利要求2所述的一种基于区块链技术的医疗票据图像识别方法,其特征在于:所述A00112中还包括:
A001121:根据所述标识图像数据,获得医疗票据图像特征数据化参数I和医疗票据图像特征数据化参数II,所述医疗票据图像特征数据化参数I与所述特征信息I对应,所述医疗票据图像特征数据化参数II与所述特征信息II对应;
A001122:对所述医疗票据图像特征数据化参数I和所述疗票据图像特征数据化参数II进行占比分析,获得占比参数I,根据所述占比参数I,获得标识关键词;
A001123:根据所述标识关键词对所述票据数据特征进行标识。
5.根据权利要求4所述的一种基于区块链技术的医疗票据图像识别方法,其特征在于:所述所述特征信息I中的标识关键词与所述特征信息II的标识关键词不同。
6.根据权利要求4所述的一种基于区块链技术的医疗票据图像识别方法,其特征在于:所述A00112中还包括:
A001124:建立特点提炼单元,所述特征提炼单元包括特点信息提炼I和特点信息提炼II,将所述特点类别结果中所述特征信息I的特征保存到特点信息提炼I,将所述特征信息II中的特征保存到所述特点信息提炼II;
A001125:所述特点信息提炼I和所述特点信息提炼II均可通过特征信息点调取指令对特征信息点进行调用。
7.根据权利要求1所述的一种基于区块链技术的医疗票据图像识别方法,其特征在于:所述A003中还包括:
A0031:根据所述类别图像数据,获得分类图像数据I和分类图像数据II,根据所述分类图像数据I和所述分类图像数据II,获得特征调取命令I和特征调取命令II;
A0032:根据所述特征调取命令I从所述特点信息提炼I中进行特征提取并输入至所述特点提炼模块进行特点鉴别,生成所述特征数据点;
A0033:根据所述特征调取命令II从所述特点信息提炼II中进行特征点提炼并输入至所述规格检验模块进行特点鉴别,获得所述尺寸数据点。
8.根据权利要求7所述的一种基于区块链技术的医疗票据图像识别方法,其特征在于:所述A0033中,所述特点信息提炼II为特征点信息提炼区,所述特征点提炼区包括医疗票据的高度、宽度、厚度、分辨率。
9.根据权利要求7所述的一种基于区块链技术的医疗票据图像识别方法,其特征在于:所述A004中,还包括:
A0041:建立所述参变量调整原型,将所述特征数据点和所述尺寸数据点作为所述参变量调整原型的填入数据I;
A0042:将规格调整装置的本质特征信息作为所述参变量调整原型的填入数据II,所述规格调整装置为所述医疗票据图像的调整装置;
A0043:所述参变量调整原型为将所述填入数据I和填入数据II进行多组数据训练至收敛获得;
A0044:根据所述参变量调整原型,获得所调整数据点变量。
10.根据权利要求所述的一种基于区块链技术的医疗票据图像识别方法,其特征在于:将权利要求1-9任一项数据通过网络存储到区块链中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210011463.2A CN114332876A (zh) | 2022-01-06 | 2022-01-06 | 一种基于区块链技术的医疗票据图像识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210011463.2A CN114332876A (zh) | 2022-01-06 | 2022-01-06 | 一种基于区块链技术的医疗票据图像识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114332876A true CN114332876A (zh) | 2022-04-12 |
Family
ID=81025676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210011463.2A Pending CN114332876A (zh) | 2022-01-06 | 2022-01-06 | 一种基于区块链技术的医疗票据图像识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114332876A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115272804A (zh) * | 2022-09-27 | 2022-11-01 | 泉州海关综合技术服务中心 | 一种基于区块链和联邦学习的茶叶种类鉴别平台 |
-
2022
- 2022-01-06 CN CN202210011463.2A patent/CN114332876A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115272804A (zh) * | 2022-09-27 | 2022-11-01 | 泉州海关综合技术服务中心 | 一种基于区块链和联邦学习的茶叶种类鉴别平台 |
CN115272804B (zh) * | 2022-09-27 | 2022-11-25 | 泉州海关综合技术服务中心 | 一种基于区块链和联邦学习的茶叶种类鉴别平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022134588A1 (zh) | 信息审核分类模型的构建方法和信息审核方法 | |
CN108876133B (zh) | 基于业务信息的风险评估处理方法、装置、服务器和介质 | |
CN108876166A (zh) | 财务风险验证处理方法、装置、计算机设备及存储介质 | |
CN114862540B (zh) | 一种票据审核系统及其方法 | |
US20230401828A1 (en) | Method for training image recognition model, electronic device and storage medium | |
US20210366055A1 (en) | Systems and methods for generating accurate transaction data and manipulation | |
CN113011973B (zh) | 基于智能合约数据湖的金融交易监管模型的方法及设备 | |
CN112150298B (zh) | 数据处理方法、系统、设备及可读介质 | |
CN105608325A (zh) | 新型临床病例数据采集系统及采集方法 | |
CN109446345A (zh) | 核电文件校验处理方法以及系统 | |
CN112712429A (zh) | 汇款业务审核方法、装置、计算机设备和存储介质 | |
CN115423586B (zh) | 一种基于网络的财务发票报销上传审核系统 | |
CN107643956A (zh) | 定位异常数据的异常起源的方法和装置 | |
CN105371888B (zh) | 一种基于机器视觉的卫星电连接器插接检验系统及方法 | |
CN114332876A (zh) | 一种基于区块链技术的医疗票据图像识别方法 | |
CN115358481A (zh) | 一种企业外迁预警识别的方法、系统及装置 | |
CN108447047A (zh) | 抗酸杆菌检测方法及装置 | |
CN111767192A (zh) | 基于人工智能的业务数据检测方法、装置、设备和介质 | |
WO2022111247A1 (zh) | 一种报表分析方法及装置 | |
CN114971294A (zh) | 数据采集方法、装置、设备及存储介质 | |
CN114202759A (zh) | 基于深度学习的多币种纸币冠字号识别方法和装置 | |
CN117726472A (zh) | 一种基于自动化生成会计凭证的系统 | |
CN114708090A (zh) | 基于大数据的银行支付业务风险识别装置 | |
CN114663899A (zh) | 金融票据的处理方法、装置、设备及介质 | |
KR20220161601A (ko) | 딥러닝 모델을 이용한 영상검사 대상체의 결함 판정시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |