[发明专利]一种临床试验源数据自动校验方法

权利要求书

1.一种临床试验源数据自动校验方法，其特征在于，包括以下步骤：

S1，使用CTPN网络模型对获取的临床试验的源数据图像识别，确定文本区域，然后进行文本区域切割，切出每一行文本；对切出每一行文本进行垂直投影列切割，得到每一行文本的有效文本区域；

S2，将有效文本区域的集合依次输入经训练的CRNN网络，得到可变长序列识别结果，然后使用正则表达式提取出文本识别结果；

S3，对文本识别结果进行纠错，获得纠错结果；

S4，依据特征值集合逐一从纠错结果中提取特征值，并与数据库中记录的标准特征值比对，对与标准特征值不符的提取的特征值，标志告警状态，形成错误提醒。

2.如权利要求1所述临床试验源数据自动校验方法，其特征在于，步骤S3的对文本识别结纠错，获得纠错结果的步骤如下：

使用编辑距离算法在特征值词库中查找对应的特征词，获得初步纠错结果；

判断该初步纠错结果是否为唯一结果，若是，则将该初步纠错结果确定为最终的纠错结果，

否则，对由编辑距离算法获得的初步的纠错结果中的对每一个中文字符串，使用字形编码的方法，确定最终的纠错结果。

3.如权利要求2所述临床试验源数据自动校验方法，其特征在于，使用字形编码的方法，确定纠错结果的步骤如下：

先对初步的纠错结果集合中的中文字符串中的中文字符进行字形编码；

计算每个中文字符与数据库中标准字符间的字形编码距离，将所有中文字符间的字形编码距离相加而获得两个字符串间的整体距离，根据该串整体距离来确定纠错结果。

4.如权利要求1所述临床试验源数据自动校验方法，其特征在于，步骤S1中，切出每一行文本的步骤如下：

在确定出文本区域后，判断两个文本区域在竖直方向上的重叠部分所占两个文本区域的总高度的比例是否大于一定阈值来确定两个文本区域是否处于一行；若是，则视为两行，否则视为一行。