本發(fā)明涉及信息提取，具體而言，涉及一種診斷內(nèi)容提取方法、系統(tǒng)、介質(zhì)及產(chǎn)品。

背景技術(shù)：

1、現(xiàn)有技術(shù)在提取病人信息時，首先需要人為手動指定提取區(qū)域，再在提取區(qū)域上提取關(guān)鍵信息，最后整理輸出。

2、現(xiàn)有的流程存在局限性，主要體現(xiàn)在以下四個方面：1.提取區(qū)域粒度過小，人工指定費(fèi)時費(fèi)力；2.提取區(qū)域位置固定，不能適配變長內(nèi)容；3.不同文件結(jié)構(gòu)不同，處理流程難統(tǒng)一；4.關(guān)鍵信息類型多樣，其中關(guān)鍵信息可能存在表格和文本的形式，在不同的文件中的形式不同，導(dǎo)致提取模式難設(shè)計。

技術(shù)實現(xiàn)思路

1、有鑒于此，本申請實施例的目的在于提供一種診斷內(nèi)容提取方法、系統(tǒng)、介質(zhì)及產(chǎn)品，能夠改善現(xiàn)有技術(shù)處理流程難統(tǒng)一以及提取模式難設(shè)計的問題。

2、為實現(xiàn)上述技術(shù)目的，本申請采用的技術(shù)方案如下：

3、第一方面，本申請實施例提供了一種診斷內(nèi)容提取方法，所述方法包括：

4、接收待處理文檔；

5、讀取用戶在待處理文檔上劃分的提取區(qū)域；

6、基于所述提取區(qū)域內(nèi)診斷內(nèi)容的結(jié)構(gòu)信息，選擇對應(yīng)的信息提取模式進(jìn)行信息提取，所述結(jié)構(gòu)信息包括文本或者表格。

7、進(jìn)一步，所述選擇對應(yīng)的信息提取模式進(jìn)行信息提取以前，所述方法還包括：

8、所述診斷內(nèi)容為表格時，將相鄰的且間距小于設(shè)定閾值的字符聚合為一個單元格

9、進(jìn)一步，所述選擇對應(yīng)的信息提取模式進(jìn)行信息提取以前，所述方法還包括：

10、所述診斷內(nèi)容為文字時，將所述診斷內(nèi)容中離散的單個字符聚合為行，然后整合所有行。

11、進(jìn)一步，所述選擇對應(yīng)的信息提取模式進(jìn)行信息提取以前，所述方法還包括：

12、去除所有干擾字符；

13、當(dāng)前頁的所述干擾字符為上一頁相同位置出現(xiàn)的相同字符。

14、進(jìn)一步，所述選擇對應(yīng)的信息提取模式進(jìn)行信息提取包括：選擇表格信息提取模式對診斷內(nèi)容進(jìn)行信息提取，所述表格信息提取模式包括：

15、將同一行的兩個單元格配對為鍵值對，得到所有行的二元組；

16、基于二元組的key值，逐行提取與key值匹配的value。

17、進(jìn)一步，所述選擇對應(yīng)的信息提取模式進(jìn)行信息提取包括：所述診斷內(nèi)容為文本時，選擇正則表達(dá)式對診斷內(nèi)容進(jìn)行信息提取。

18、進(jìn)一步，所述選擇對應(yīng)的信息提取模式進(jìn)行信息提取包括：所述診斷內(nèi)容為文本時，選擇詞語法分析的方式對子診斷內(nèi)容進(jìn)行信息提取。

19、第二方面,本申請實施例還提供一種診斷內(nèi)容提取系統(tǒng)，包括：

20、接收模塊，配置為接收待處理文檔；

21、讀取模塊，配置為讀取用戶在待處理文檔上劃分的提取區(qū)域；

22、信息提取模塊，配置為基于所述提取區(qū)域內(nèi)診斷內(nèi)容的結(jié)構(gòu)信息，選擇對應(yīng)的信息提取模式進(jìn)行信息提取，所述結(jié)構(gòu)信息包括文本或者表格。

23、第三方面，本申請實施例還提出了一種計算機(jī)可讀存儲介質(zhì)，所述計算機(jī)可讀存儲介質(zhì)中存儲有計算機(jī)程序，當(dāng)所述計算機(jī)程序在計算機(jī)上運(yùn)行時，使得所述計算機(jī)執(zhí)行上述的方法。

24、第四方面，本申請實施例還提出了一種計算機(jī)程序產(chǎn)品，包括計算機(jī)程序，所述計算機(jī)程序在被處理器執(zhí)行時實現(xiàn)上述的方法。

25、采用上述技術(shù)方案的發(fā)明，具有如下優(yōu)點(diǎn)：

26、本申請讀取待處理文檔的提取區(qū)域后，針對提取區(qū)域內(nèi)診斷內(nèi)容的結(jié)構(gòu)信息，選擇對應(yīng)的信息提取模式，進(jìn)行診斷內(nèi)容的提取，上述過程形成了模塊化流程，有利于模塊化設(shè)計，適用于所有格式的文件，進(jìn)而統(tǒng)一了處理流程，同時，針對不同的結(jié)構(gòu)信息的診斷內(nèi)容采用對應(yīng)的信息提取模式，提高了診斷內(nèi)容提取的效率。

27、本申請在選擇對應(yīng)的信息提取模式進(jìn)行信息提取以前，執(zhí)行將離散的單個字符聚合成行、去除干擾字符以及將相鄰的且間距小于設(shè)定閾值的字符聚合為一個單元格的步驟，避免在提取信息后的人為修改，提高了診斷內(nèi)容提取的效率。

技術(shù)特征：

1.一種診斷內(nèi)容提取方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于：所述選擇對應(yīng)的信息提取模式進(jìn)行信息提取以前，所述方法還包括：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于：所述選擇對應(yīng)的信息提取模式進(jìn)行信息提取以前，所述方法還包括：

4.根據(jù)權(quán)利要求1所述的方法，其特征在于：所述選擇對應(yīng)的信息提取模式進(jìn)行信息提取以前，所述方法還包括：

5.根據(jù)權(quán)利要求2所述的方法，其特征在于：所述選擇對應(yīng)的信息提取模式進(jìn)行信息提取包括：選擇表格信息提取模式對診斷內(nèi)容進(jìn)行信息提??；

6.根據(jù)權(quán)利要求4所述的方法，其特征在于：所述選擇對應(yīng)的信息提取模式進(jìn)行信息提取包括：所述診斷內(nèi)容為文本時，選擇正則表達(dá)式對診斷內(nèi)容進(jìn)行信息提取。

7.根據(jù)權(quán)利要求4所述的方法，其特征在于：所述選擇對應(yīng)的信息提取模式進(jìn)行信息提取包括：所述診斷內(nèi)容為文本時，選擇詞語法分析的方式對子診斷內(nèi)容進(jìn)行信息提取。

8.一種診斷內(nèi)容提取系統(tǒng)，其特征在于，包括：

9.一種計算機(jī)可讀存儲介質(zhì)，其特征在于，所述計算機(jī)可讀存儲介質(zhì)中存儲有計算機(jī)程序，當(dāng)所述計算機(jī)程序在計算機(jī)上運(yùn)行時，使得所述計算機(jī)執(zhí)行如權(quán)利要求1-7中任一項所述的方法。

10.一種計算機(jī)程序產(chǎn)品，其特征在于，包括計算機(jī)程序，所述計算機(jī)程序在被處理器執(zhí)行時實現(xiàn)根據(jù)權(quán)利要求1-7中任一項所述的方法。

技術(shù)總結(jié)
本申請?zhí)峁┮环N診斷內(nèi)容提取方法、系統(tǒng)、介質(zhì)及產(chǎn)品，所述方法包括：接收待處理文檔；讀取用戶在待處理文檔上劃分的提取區(qū)域；基于所述提取區(qū)域內(nèi)診斷內(nèi)容的結(jié)構(gòu)信息，選擇對應(yīng)的信息提取模式進(jìn)行信息提取，所述結(jié)構(gòu)信息包括文本或者表格。本申請?zhí)岣吡颂崛≡\斷內(nèi)容的效率。

技術(shù)研發(fā)人員：劉水清,楊武晨,茍陽,劉思恒,張曦,彭賢貴,張誠
受保護(hù)的技術(shù)使用者：中國人民解放軍陸軍軍醫(yī)大學(xué)第二附屬醫(yī)院
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6