[发明专利]不规则医疗报告单图像中敏感信息脱敏方法及系统

权利要求书

1.一种不规则医疗报告单图像中敏感信息脱敏方法，其特征在于，包括以下步骤：

S1、利用霍夫变换对具有形变和扭曲的医疗报告单图像进行自动校正；

S2、使用训练好的DBNet模型对已校正的医疗报告单图像进行文本信息检测，得到所有文本信息的文本框位置坐标，所述文本框位置坐标为文本框四个顶点的像素位置；

S3、基于文本框位置坐标，使用训练好的CRNN模型对文本框中的文本信息进行识别，并得到相应的文本信息；

S4、基于得到的文本信息及预先设定的敏感信息范围，使用关键词匹配和THULAC词性标注，识别出文本信息中的敏感信息，并定位敏感信息区域的位置坐标；

S5、基于定位出的敏感信息区域的位置坐标，使用像素覆盖的方式对敏感信息区域进行脱敏处理。

2.如权利要求1所述的不规则医疗报告单图像中敏感信息脱敏方法，其特征在于，步骤S1包括：

S11、利用霍夫变换检测出原始医疗报告单图像中文本信息的倾斜角度；

S12、基于原始医疗报告单图像及倾斜角度，计算出仿射变换矩阵；

S13、通过仿射变换矩阵得到校正后的医疗报告单图像。

3.如权利要求1所述的不规则医疗报告单图像中敏感信息脱敏方法，其特征在于，步骤S2包括：使用训练好的DBNet模型对已校正的医疗报告单图像进行文本信息检测，得到包括医疗报告单中所有文本信息的文本框位置坐标的列表text_coor_list，列表text_coor_list中包含文本框四个顶点的像素位置。

4.如权利要求1所述的不规则医疗报告单图像中敏感信息脱敏方法，其特征在于，步骤S3包括：

S31、将已校正的医疗报告单图像列表text_coor_list输入训练好的CRNN模型；

S32、遍历列表text_coor_list，基于每个文本框四个顶点的像素位置，将医疗报告单图像中对应的区域裁剪下来输入到训练好的CRNN模型中；

S33、输出识别结果列表text_cont_list，列表text_cont_list中的每个元素的形式为[corrdinate,content,confidence]，分别表示每个文本框四个顶点像素位置、文本框中的文本内容和识别置信度。

5.如权利要求4所述的不规则医疗报告单图像中敏感信息脱敏方法，其特征在于，步骤S4包括：

S41、遍历列表text_cont_list，使用THULAC对每个文本框的文本识别内容content进行分词，并标注词性，返回词性标注列表char_list；

S42、遍历词性标注列表char_list，判断当前词cur_word是否在预先设定的敏感信息集合sens_set中，如果在，则标注该词为敏感信息；如果不在，则根据词性进行进一步判断；

S43、根据已被标注为敏感信息的当前词cur_word，检索出该词在当前文本框中的索引位置text_ind和该词的长度text_len，然后根据当前文本框左上角和右下角的坐标位置，将该文本框按照汉字占两个字符，英文字母和单个数字占一个字符进行均等划分，即可确定已被标注为敏感信息的当前词cur_word在医疗报告单中的像素位置word_loc。

6.如权利要求5所述的不规则医疗报告单图像中敏感信息脱敏方法，其特征在于，步骤S42中，根据词性进行进一步判断，包括：

S421、如果当前词cur_word的词性是人名，则标注当前词为敏感信息；

S422、如果当前词cur_word的词性是地名，则标注当前词为敏感信息；

S423、如果当前词cur_word的词性是数词，则根据数词长度进行判断；

S424、如果当前词cur_word的词性是电子邮箱，则标注当前词为敏感信息。