[发明专利]基于区块链的医疗保险管理方法及系统

权利要求书

1.一种基于区块链的医疗保险管理方法，其特征在于，所述方法包括：

步骤S100：获取经预设特定终端载入的初始医疗保险图像，其中，所述预设特定终端为预先设置的信息载入端口，所述初始医疗保险图像为包含了医疗保险信息的图像；

步骤S200：基于获取的所述初始医疗保险图像对所述初始医疗保险图像作分割卷积降维重建处理，并在作所述分割卷积降维重建处理后输出高质量重建医疗保险图像；

步骤S300：基于区块链技术将输出的所述输出高质量重建医疗保险图像以内容存证的方式上链，并在上链完成后生成重建图像已上链提示指令；

步骤S400：基于所述重建图像已上链提示指令在所述预设特定终端上生成重建图像展示界面，并从所述高质量重建医疗保险图像中随机抽取特定数量的高质量重建医疗保险图像，并将抽取的高质量重建医疗保险图像依序展示于所述重建图像展示界面。

2.根据权利要求1所述的基于区块链的医疗保险管理方法，其特征在于，步骤S200：基于获取的所述初始医疗保险图像对所述初始医疗保险图像作分割卷积降维重建处理，并在作所述分割卷积降维重建处理后输出高质量重建医疗保险图像；具体包括：

步骤S210：将所述初始医疗保险图像按预设大小分割成大小相同且没有重叠的医疗保险图像方块，并将该医疗保险图像方块作为输入数据，然后利用稀疏取样矩阵对所述输入数据分别进行稀疏取样操作，得到稀疏取样数据，其中，所述稀疏取样矩阵为具有学习特性的自适应矩阵，接着利用深度神经网络的学习特性，建立重建矩阵，该重建矩阵初始值为全零矩阵，并以数据驱动的方式更新所述重建矩阵，再利用重建矩阵对得到的所述稀疏取样数据进行初始重建，使其长和宽恢复到稀疏取样前医疗保险图像方块的长和宽，得到初始重建医疗保险图像方块；

步骤S220：然后将得到的初始重建医疗保险图像方块输入到快速迭代阈值收缩转化网络中进行医疗保险图像方块的过渡转化处理，其中，所述快速迭代阈值收缩转化网络依次包括正向稀疏单元、软阈值函数和反向稀疏单元，从而得到每个阶段的最佳值，即可得到最后一阶段的最佳值；其中，所述正向稀疏单元依次包括变换域和稀疏域，而所述变换域又由一个线性卷积算子组成，用于从高频分量和噪声中获取变换域，所述稀疏域包括两个线性卷积算子和一个修正线性单元，每个线性卷积算子均由若干个滤波器组成，两个线性卷积算子之间由一个修正线性单元进行激活；所述软阈值函数用于对经过卷积结构处理后的稀疏化数据进行软阈值处理，从而便于反向稀疏单元进行处理；所述反正向稀疏单元依次包括反稀疏域和反变换域，而所述反稀疏域又包括两个线性卷积算子和一个修正线性单元，每个线性卷积算子均由若干个滤波器组成，两个线性卷积算子之间由一个修正线性单元进行激活，所述变换域由一个线性卷积算子组成，用于从高频分量和噪声中获取变换域；其中，所述医疗保险图像方块的过渡转化处理包括：首先利用所述正向稀疏单元对输入的所述初始重建医疗保险图像方块进行稀疏化处理，得到稀疏化数据，然后利用所述软阈值函数对得到的所述稀疏化数据进行软阈值处理，接着构建与稀疏变换相应的反变换网络，然后将经过软阈值函数处理后的数据进行反卷积处理转化为自然医疗保险图像数据，从而得到一个阶段的最佳值，再利用快速迭代阈值收缩算法的特性，依据一个阶段的最佳值和上一阶段的最佳值，运算出下一阶段的初始值，从而进行下一阶段的运算，最后在多个阶段迭代运算后即可得到每个阶段的最佳值；

步骤S230：将得到的最后一阶段的最佳值按其对应的医疗保险图像方块在初始医疗保险图像中对应的位置进行组合重建，得到过渡重建医疗保险图像；将得到的过渡重建医疗保险图像输入到由级联残差单元组成的非线性深度重建网络中，对医疗保险图像方块间信息进行恢复，输出得到高质量重建医疗保险图像；其中，所述非线性深度重建网络包括首层卷积层、残差网络和尾层卷积层，所述首层卷积层由若干个滤波器组成，其用于获取所述过渡重建医疗保险图像的高维特征图；在得到高维特征图后，通过所述残差网络进一步恢复医疗保险图像信息，该残差网络由若干个结构相同的残差单元组成，每个残差单元又由一个卷积层和一个线性整流单元组成，输入与输出之间通过一个跳跃连接，每个卷积层由若干个滤波器组成；最后利用由若干个滤波器组成的尾层卷积层对于医疗保险图像进行降维处理，并在过渡重建医疗保险图像和输出之间增加一个长跳连来加速网络训练的鲁棒，并输出高质量重建医疗保险图像。