[发明专利]一种病例的自动编目方法、系统、设备及存储介质

权利要求书

1.一种病例的自动编目方法，其特征在于，具体方法步骤包括：

获取待归档的病例图像；

提取所述病例图像中的联通区域，采用条件随机场对所有联通区域整体分类，划分为标题区域、图像区域、表格区域、几何图形区域、文字区域；

对所述标题区域进行文字识别，得到基于标题区域的标题文本；

采用机器学习对所述图像区域进行分类，预测病例图像所属的编目标题，得到基于图像区域的标题文本；

采用机器学习对所述表格区域进行分类，预测病例图像所属的编目标题，得到基于表格区域的标题文本；

对所述文字区域进行文字识别，得到病例图像的内容文本，所述对所述文字区域进行文字识别还包括对所述文字区域进行手写体文字分类，当文字区域为手写体时，采用神经网络模型对手写体文字区域进行过切分，获得多个基元片段，将所述基元片段进行组合，得到切分候选网格，使用多项式回归算法处理切分候选网格得到手写体文本行的走向，然后动态调整切分候选网格的上下空白，得到调整后的切分候选网格，采用字符分类器对所述调整后的切分候选网格进行字符分类，得到字符候选网格，采用路径搜索网络判断所述字符候选网格的最优路径，得到手写体文字区域的内容文本；所述过切分为两步法过切分：使用基于前景点可见性分析的粘连字符切分算法对文本行图像进行初始的切分，得到切分段，将两个连续切分段之间的位置视作一个候选切分点；使用滑动窗在所述切分段上生成一系列相同大小的窗口，并且使用一个二值卷积神经网络模型对所述窗口进行分类，得到窗口的中心，基于所述候选切分点和所述窗口的中心判断窗口的中心是否属于合法切分点；

将所述标题文本或所述内容文本与预定义的编目标题匹配，根据匹配度进行待归档的病例的自动编目。

2.根据权利要求1中所述的病例的自动编目方法，其特征在于，对所述标题区域进行文字识别是采用一种由卷积层、循环层和转录层组成的网络模型进行文字识别为采用卷积层从所述标题区域中提取特征序列；循环层对卷积层输出的特征序列的每一帧进行预测，预测每一帧的标签分布；转录层将循环层的每一帧的预测变为最终的标签序列，得到标题区域的文本内容。

3.根据权利要求1中所述的病例的自动编目方法，其特征在于，所述对所述文字区域进行文字识别还包括对所述文字区域进行印刷体或手写体文字分类，将文字区域分为手写体文字区域和印刷体文字区域，当文字区域为印刷体时，采用一种由卷积层、循环层和转录层组成的网络模型进行文字识别，得到印刷体文字区域的内容文本。

4.根据权利要求1中所述的病例的自动编目方法，其特征在于，对所述文字区域进行文字识别，得到病例图像的内容文本，将得到病例图像的内容文本与预定义内容文本进行匹配，根据匹配到的预定义内容的编目标题得到基于文字区域的标题文本。

5.根据权利要求1中所述的病例的自动编目方法，其特征在于，所述病例的标题文本是基于图像区域的标题文本、基于表格区域的标题文本、基于标题区域的标题文本的加权融合，得到最终的病例的标题文本。

6.根据权利要求1中所述的病例的自动编目方法，其特征在于，所述方法还包括对病例图像进行轮廓提取，所述轮廓提取是使用多种算法结合对病例图像进行边缘检测，得到病例图像中的联通区域。

7.根据权利要求1中所述的病例的自动编目方法，其特征在于，所述待归档的病例图像为多个图像时，分别提取前后病例图像的标题文本或内容文本进行匹配，匹配结果显示存在内容关联时，判定为后面病例图像与前面病例图像相同编目标题。