[发明专利]数据抽取方法、系统、终端及介质

说明书

本发明提供了一种数据抽取方法、系统、终端及介质，该方法包括：对目标病历图像进行文字识别，得到文字识别结果，所述文字识别结果包括图像文字和各图像文字对应的位置信息、文书类别；根据所述文书类别和所述位置信息对所述图像文字进行字段抽取，得到抽取字段，并对所述抽取字段的位置信息进行行划分；若所述抽取字段是表格字段，则对所述抽取字段进行表头匹配，并根据表头匹配结果确定排表数量；根据所述排表数量对所述抽取字段进行分割，并根据分割后的所述抽取字段中各表头进行字段值抽取，得到抽取数据。本发明无需进行病历固定位置的设置，针对不同页面布局的病历均能有效地进行数据抽取，提高了数据抽取的准确性。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种数据抽取方法、系统、终端及介质。

背景技术

电子病历数据的处理和结构化是医疗信息化发展的一大难点，目前绝大多数的医疗病历仍然是纸质版本，且不仅有多种医疗文书类型，不同医院的病历格式也不尽相同，而医疗病历数据对于医疗保险、验证诊断、解决账单争议等至关重要。

医疗病历数据抽取对于临床医疗、医疗保险、验证诊断等多种方面具有重要意义。在医疗病历数据抽取过程中，需要在医疗病历数据中抽取需要的相关信息，例如从“病案首页”病历中抽取“诊断名称”等相关信息。

对于非电子病历的数据抽取，现有技术中一般是采用配置模板的方式进行数据的抽取，例如对某家医院的病案首页，只抽取该病历固定位置的文本信息，得到抽取数据，但由于不同医院病历格式以及医生书写内容习惯不同，进而导致数据抽取准确性低下。

发明内容

本发明实施例的目的在于提供一种数据抽取方法、系统、终端及介质，旨在解决现有的医疗病历数据处理过程中，数据抽取准确性低下的问题。

本发明实施例是这样实现的，一种数据抽取方法，所述方法包括：

对目标病历图像进行文字识别，得到文字识别结果，所述文字识别结果包括图像文字和各图像文字对应的位置信息、文书类别；

根据所述文书类别和所述位置信息对所述图像文字进行字段抽取，得到抽取字段，并对所述抽取字段的位置信息进行行划分；

若所述抽取字段是表格字段，则对所述抽取字段进行表头匹配，并根据表头匹配结果确定排表数量；

根据所述排表数量对所述抽取字段进行分割，并根据分割后的所述抽取字段中各表头进行字段值抽取，得到抽取数据。

优选的，所述根据表头匹配结果确定排表数量，包括：

若所述表头匹配结果为匹配成功，则获取匹配成功次数，并将所述匹配成功次数确定为所述排表数量；

若所述表头匹配结果为匹配失败，则对所述抽取字段进行表头字段匹配，得到表头字段，并对所述表头字段的列进行标记；

对所述抽取字段中未标记的字段列进行列识别，并根据所述列识别结果和被标记列个数确定所述排表数量。

优选的，所述对所述抽取字段中未标记的字段列进行列识别，并根据所述列识别结果和被标记列个数确定所述排表数量，包括：

分别对各未标记的字段列进行正则匹配；

若任一所述未标记的字段列中匹配成功次数大于次数阈值，则将所述未标记的字段列确定为被识别列，并计算所述被识别列个数与所述被标记列个数之间的个数和，得到所述排表数量。

优选的，所述对所述抽取字段中未标记的字段列进行列识别，并根据所述列识别结果和被标记列个数确定所述排表数量，包括：

分别对各未标记的字段列进行数据打分，得到字段打分值，并根据所述字段打分值分别确定各未标记的字段列的打分平均值；