[发明专利]一种以ODL为基础从医学图像中提取结构化文本信息的方法

权利要求书

1.一种以ODL为基础从医学图像中提取结构化文本信息的方法，其特征在于，包括以下步骤：

1)一份或者多份同样类型的医学图像(由相同类型的仪器检测的医学图像)首先经过OCR识别工具处理以后，形成结构化(比如XML格式)的原始OCR结果文件，文本信息一般都存储在该文件的叶片文本框里，对于每一个结果文件，我们都忽略它的层次结构而只收集所有的叶片文本框作为OCR的结果数据输入到模糊解析器中，并用方程式D去表述，方程式D的定义如下：

D＝{d1，...，dn}，d＝(x0，y0，x1，y1，text)；

2)向解析器中输入记录在ODL中的用户对需要解析的图像的描述；

3)当OCR的结果数据D和ODL中的用户定义都输入到解析器中以后，模糊解析器就开始将所有用户描述的文本元素与D中的文本信息进行匹配，并会生成分析树式的解析结果，其中每一个叶节点上都同时含有ODL中用户描述的文本元素及其对应的D中文本信息；

4)在完成多个图像文件分析之后，系统会自动收集所有检测到的解析错误，然后将最常见的几种解析错误展现给用户并提示人为修改，修改的方式也会被自动整合到纠错模型中，这样解析器就有可能在后续的解析过程中自动纠正这类错误。

2.根据权利要求1所述的一种以ODL为基础从医学图像中提取结构化文本信息的方法，其特征在于，所述d都代表一个叶片文本框，它含有五个元素，分别是文本框的左、上、右、下的坐标值及其包含的文本信息。

3.根据权利要求1所述的一种以ODL为基础从医学图像中提取结构化文本信息的方法，其特征在于，所述图像的描述为用户使用图形化的界面比较容易的对数据进行注释，包括定义字符串和变量，设置变化范围以及圈出不同文本元素的在图像上的大致位置等，设置一次之后，相应的ODL描述就会自动生成了。

4.根据权利要求1所述的一种以ODL为基础从医学图像中提取结构化文本信息的方法，其特征在于，所述解析器可以允许OCR的识别错误以及提取过程中的微小布局偏差，也因此，它会生成多个有微小差别的分析树作为备选，并使用评分函数选出最合适的匹配结果。