CN117037197A - 基于人工智能的异常识别方法、装置、设备及存储介质 - Google Patents

Abstract

本申请属于人工智能领域与数字医疗领域，涉及一种基于人工智能的异常识别方法，包括：对核保案件的医学图像材料进行预处理得到第一图像；对第一图像进行版面分析得到第二图像；对第二图像进行字符切割得到第三图像；对第三图像进行字符特征提取得到文字数据；对文字数据进行版面恢复得到目标文字数据并填充至初始图像内；对目标文字数据进行异常识别得到异常指标数据；对异常指标数据进行标记得到目标图像并展示。本申请还提供一种基于人工智能的异常识别装置、计算机设备及存储介质。此外，本申请还涉及区块链技术，目标图像可存储于区块链中。本申请可应用于数字医疗领域的异常指标识别场景，有效地提高了核保效率，提高了核保处理的灵活性。

Description

基于人工智能的异常识别方法、装置、设备及存储介质

技术领域

本申请涉及人工智能开发技术领域与数字医疗领域，尤其涉及基于人工智能的异常识别方法、装置、计算机设备及存储介质。

背景技术

保险核保是指保单生成之后，对投保风险进行评判与分类，进而决定是否承保、以什么样的条件承保的过程。随着保险在当今生活中不断普及，使得核保逐渐成为了保险公司内部的重要业务。

传统的险企人工核保***中，核保专家需要面对不同种类的医学材料，如体检报告、出院小结、药品清单等。以体检报告为例，不同医院不同体检机构的报告格式不尽相同，而且每份报告中涵盖了大量的医学指标且页数冗长。当需要对体检报告进行核保时，核保专家需要花费大量的精力甄别体检报告中的异常指标，以确定被保人是否有可保利益，这样的人工核保方式存在核保效率低、灵活性差的问题。

发明内容

本申请实施例的目的在于提出一种基于人工智能的异常识别方法、装置、计算机设备及存储介质，以解决现有的人工核保的方式需要花费大量的精力甄别保单中的异常指标，以确定被保人是否有可保利益，从而存在核保效率低、灵活性差的问题的技术问题。

为了解决上述技术问题，本申请实施例提供一种基于人工智能的异常识别方法，采用了如下所述的技术方案：

接收用户输入的核保案件的医学图像材料；

对所述医学图像材料进行预处理，得到对应的第一图像；

对所述第一图像进行版面分析处理得到第二图像；

对所述第二图像进行字符切割处理得到第三图像；

对所述第三图像进行字符特征提取，得到对应的文字数据；

对所述文字数据进行版面恢复处理，得到目标文字数据，并将所述目标文字数据填充至预设的初始图像内；

在所述初始图像中对所述目标文字数据进行异常识别，得到对应的异常指标数据；

在所述初始图像中对所述异常指标数据进行标记处理得到目标图像，并在目标页面中展示所述目标图像，以便审核人员对所述目标图像进行审核处理。

进一步的，所述对所述医学图像材料进行预处理，得到对应的第一图像的步骤，具体包括：

对所述医学图像材料进行二值化处理，得到第一指定图像；

对所述第一指定图像进行噪声去除，得到第二指定图像；

对所述第二指定图像进行倾斜校正，得到第三指定图像；

将所述第三指定图像作为所述第一图像。

进一步的，所述对所述文字数据进行版面恢复处理，得到目标文字数据，并将所述目标文字数据填充至预设的初始图像内的步骤，具体包括：

获取所述文字数据在所述第三图像中的位置信息；

基于所述位置信息对所述文字数据进行版面恢复处理，得到处理后的文字数据；

将所述处理后的文字数据作为所述目标文字数据；

将所述目标文字数据填充至所述初始图像内。

进一步的，所述在所述初始图像中对所述目标文字数据进行异常识别，得到对应的异常指标数据的步骤，具体包括：

基于预设的指标字段，从所述目标文字数据中获取与所述指标字段匹配的目标指标；

获取与所述目标指标对应的指标校验规则；

从所述目标文字数据中获取与所述目标指标对应的指标参数值；

基于所述指标校验规则对所述指标参数值进行校验，判断所述指标参数值是否符合所述指标校验规则；

若不符合所述指标校验规则，则将所述指标参数值确定为异常指标数据。

进一步的，所述在所述初始图像中对所述异常指标数据进行标记处理得到目标图像的步骤，具体包括：

确定颜色信息；

基于所述颜色信息，在所述初始图像中对所述异常指标数据进行高亮处理，得到处理后的初始图像；

将所述处理后的初始图像作为所述目标图像。

进一步的，所述在所述初始图像中对所述异常指标数据进行标记处理得到目标图像，并在目标页面中展示所述目标图像，以便审核人员对所述目标图像进行审核处理的步骤之后，还包括：

接收所述审核人员生成的与所述目标图像对应的目标审核结果；

判断所述目标审核结果是否为回销结果；

若是，获取所述回销结果中携带的资料描述信息；

基于所述资料描述信息生成对应的资料补充信息；

将所述资料补充信息推送给所述用户。

进一步的，在所述将所述资料补充信息推送给所述用户的步骤之后，还包括：

接收所述用户基于所述资料补充信息返回的目标资料；

对所述目标资料进行文字识别，生成对应的识别结果；

基于所述识别结果与所述目标图像生成与所述核保案件对应的核保结果。

为了解决上述技术问题，本申请实施例还提供一种基于人工智能的异常识别装置，采用了如下所述的技术方案：

第一接收模块，用于接收用户输入的核保案件的医学图像材料；

第一处理模块，用于对所述医学图像材料进行预处理，得到对应的第一图像；

第二处理模块，用于对所述第一图像进行版面分析处理得到第二图像；

第三处理模块，用于对所述第二图像进行字符切割处理得到第三图像；

提取模块，用于对所述第三图像进行字符特征提取，得到对应的文字数据；

第四处理模块，用于对所述文字数据进行版面恢复处理，得到目标文字数据，并将所述目标文字数据填充至预设的初始图像内；

识别模块，用于在所述初始图像中对所述目标文字数据进行异常识别，得到对应的异常指标数据；

展示模块，用于在所述初始图像中对所述异常指标数据进行标记处理得到目标图像，并在目标页面中展示所述目标图像，以便审核人员对所述目标图像进行审核处理。

为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：

接收用户输入的核保案件的医学图像材料；

对所述医学图像材料进行预处理，得到对应的第一图像；

对所述第一图像进行版面分析处理得到第二图像；

对所述第二图像进行字符切割处理得到第三图像；

对所述第三图像进行字符特征提取，得到对应的文字数据；

对所述文字数据进行版面恢复处理，得到目标文字数据，并将所述目标文字数据填充至预设的初始图像内；

在所述初始图像中对所述目标文字数据进行异常识别，得到对应的异常指标数据；

在所述初始图像中对所述异常指标数据进行标记处理得到目标图像，并在目标页面中展示所述目标图像，以便审核人员对所述目标图像进行审核处理。

为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：

接收用户输入的核保案件的医学图像材料；

对所述医学图像材料进行预处理，得到对应的第一图像；

对所述第一图像进行版面分析处理得到第二图像；

对所述第二图像进行字符切割处理得到第三图像；

对所述第三图像进行字符特征提取，得到对应的文字数据；

对所述文字数据进行版面恢复处理，得到目标文字数据，并将所述目标文字数据填充至预设的初始图像内；

在所述初始图像中对所述目标文字数据进行异常识别，得到对应的异常指标数据；

在所述初始图像中对所述异常指标数据进行标记处理得到目标图像，并在目标页面中展示所述目标图像，以便审核人员对所述目标图像进行审核处理。

与现有技术相比，本申请实施例主要有以下有益效果：

本申请实施例首先接收用户输入的核保案件的医学图像材料；然后对所述医学图像材料进行预处理，得到对应的第一图像；再对所述第一图像进行版面分析处理得到第二图像；并对所述第二图像进行字符切割处理得到第三图像；然后对所述第三图像进行字符特征提取，得到对应的文字数据；之后对所述文字数据进行版面恢复处理，得到目标文字数据，并将所述目标文字数据填充至预设的初始图像内；后续在所述初始图像中对所述目标文字数据进行异常识别，得到对应的异常指标数据；最后在所述初始图像中对所述异常指标数据进行标记处理得到目标图像，并在目标页面中展示所述目标图像，以便审核人员对所述目标图像进行审核处理。本申请实施例通过对核保案件的医学图像材料进行自动化处理以及异常识别处理以生成包含经过标记处理后的异常指标数据的目标图像，并在目标页面中展示所述目标图像，以使得审核人员能够清楚查阅到目标图像内的异常指标数据，进而根据该异常指标数据来完成对于核保案件的审核处理，有效地提高了核保效率，提高了核保处理的灵活性，有利于提高用户满意度。

附图说明

为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请可以应用于其中的示例性***架构图；

图2根据本申请的基于人工智能的异常识别方法的一个实施例的流程图；

图3是根据本申请的基于人工智能的异常识别装置的一个实施例的结构示意图；

图4是根据本申请的计算机设备的一个实施例的结构示意图。

具体实施方式

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。

如图1所示，***架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。

需要说明的是，本申请实施例所提供的基于人工智能的异常识别方法一般由服务器/终端设备执行，相应地，基于人工智能的异常识别装置一般设置于服务器/终端设备中。

本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。

人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互***、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的基于人工智能的异常识别方法的一个实施例的流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。本申请实施例提供的基于人工智能的异常识别方法能够应用于任意一种需要进行异常指标识别的场景中，则该基于人工智能的异常识别方法能够应用于这些场景的产品中，例如，数字医疗领域中的异常指标识别。所述的基于人工智能的异常识别方法，包括以下步骤：

步骤S201，接收用户输入的核保案件的医学图像材料。

在本实施例中，基于人工智能的异常识别方法运行于其上的电子设备(例如图1所示的服务器/终端设备)，可以通过有线连接方式或者无线连接方式获取医学图像材料。具体的执行主体可为电子设备内的专家核保***。需要指出的是，上述无线连接方式可以包括但不限于3G/4G/5G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultrawideband)连接、以及其他现在已知或将来开发的无线连接方式。其中，上述用户可为投保人，上述核保案件可为经过新契约、重新投保、保全、理赔送核等处理后生成的案件。在医学应用场景中，上述医学图像材料可为体检报告、出院小结、药品清单等。另外，对于不同类型的图像格式，有着不同的存储格式，不同的压缩方式。

步骤S202，对所述医学图像材料进行预处理，得到对应的第一图像。

在本实施例中，上述对所述医学图像材料进行预处理，得到对应的第一图像的具体实施过程，本申请将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。

步骤S203，对所述第一图像进行版面分析处理得到第二图像。

在本实施例中，上述版面分析是指对第一图像中的文字进行分段落，分行的处理过程。

步骤S204，对所述第二图像进行字符切割处理得到第三图像。

在本实施例中，可通过调用基于文字识别算法(例如OCR算法)的文字识别软件，再使用该文字识别软件对，对所述第二图像进行字符切割处理得到第三图像。其中，上述文字识别软件为具有字符切割功能的软件，可以有效解决由于拍照条件的限制而造成图像中存在字符粘连，断笔的问题。

步骤S205，对所述第三图像进行字符特征提取，得到对应的文字数据。

在本实施例中，在使用上述文字识别软件对所述第二图像进行字符切割处理得到第三图像后，后续可以将不同粗细的笔画，受断笔或、粘连、旋转等因素影响的第三图像进行字符特征提取，以得到相应的文字数据。

步骤S206，对所述文字数据进行版面恢复处理，得到目标文字数据，并将所述目标文字数据填充至预设的初始图像内。

在本实施例中，上述对所述文字数据进行版面恢复处理，得到目标文字数据，并将所述目标文字数据填充至预设的初始图像内的具体实施过程，本申请将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。

步骤S207，在所述初始图像中对所述目标文字数据进行异常识别，得到对应的异常指标数据。

在本实施例中，在对所述目标文字数据进行异常识别之前，还可以根据上述目标文字数据的语言上下文的关系，对目标文字数据进行校正处理，进而得到校正后的目标文字数据，从而可以有效保证目标文字数据的数据准确度。其中，上述在所述初始图像中对所述目标文字数据进行异常识别，得到对应的异常指标数据的具体实施过程，本申请将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。

步骤S208，在所述初始图像中对所述异常指标数据进行标记处理得到目标图像，并在目标页面中展示所述目标图像，以便审核人员对所述目标图像进行审核处理。

在本实施例中，上述审核人员为核保专家，上述目标页面是指审核人员所使用的审核工作台的工作页面。通过将生成的目标图像展示在审核工作台的工作页面后，审核人员可以通过工作页面查阅该目标图像，并会对该目标图像进行人工分析以生成与核保案件对应的核保结果。其中，上述在所述初始图像中对所述异常指标数据进行标记处理得到目标图像的具体实施过程，本申请将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。另外，专家核保***还具有识别吞吐量高的特点，专家核保***支持一次性送入大量影像资料，在核保专家进行正式审核前就将解析好的异常指标准备就位，这样的改进大大简化了人工作业过程中的重复识别动作，提升了人核案件流转时效，帮助企业改善服务质量的同时，提高了客户满意度。

本申请首先接收用户输入的核保案件的医学图像材料；然后对所述医学图像材料进行预处理，得到对应的第一图像；再对所述第一图像进行版面分析处理得到第二图像；并对所述第二图像进行字符切割处理得到第三图像；然后对所述第三图像进行字符特征提取，得到对应的文字数据；之后对所述文字数据进行版面恢复处理，得到目标文字数据，并将所述目标文字数据填充至预设的初始图像内；后续在所述初始图像中对所述目标文字数据进行异常识别，得到对应的异常指标数据；最后在所述初始图像中对所述异常指标数据进行标记处理得到目标图像，并在目标页面中展示所述目标图像，以便审核人员对所述目标图像进行审核处理。本申请通过对核保案件的医学图像材料进行自动化处理以及异常识别处理以生成包含经过标记处理后的异常指标数据的目标图像，并在目标页面中展示所述目标图像，以使得审核人员能够清楚查阅到目标图像内的异常指标数据，进而根据该异常指标数据来完成对于核保案件的审核处理，有效地提高了核保效率，提高了核保处理的灵活性，有利于提高用户满意度。

在一些可选的实现方式中，步骤S202包括以下步骤：

对所述医学图像材料进行二值化处理，得到第一指定图像。

在本实施例中，二值化处理是指将彩色的图片处理为前景信息与背景信息，简单的定义前景信息为黑色，背景信息为白色。

对所述第一指定图像进行噪声去除，得到第二指定图像。

在本实施例中，根据实际的业务使用需求，预先对于不同的医学核保资料定义不同的噪声特征并进行相应的去噪。其中，可先获取上述医学图像材料的目标类型，再获取该目标类型对应的目标噪声特征，并基于上述目标噪声特征将所述第一指定图像中的与该目标噪声特征匹配的噪声特征进行去噪处理，以得到第二指定图像。

对所述第二指定图像进行倾斜校正，得到第三指定图像。

在本实施例中，倾斜校正是指对拍摄时得到的倾斜影像进行校正处理。

将所述第三指定图像作为所述第一图像。

本申请通过对所述医学图像材料进行二值化处理，得到第一指定图像；然后对所述第一指定图像进行噪声去除，得到第二指定图像；后续对所述第二指定图像进行倾斜校正，得到第三指定图像，并将所述第三指定图像作为所述第一图像。本申请通过对医学图像材料进行二值化处理、噪声去除以及倾斜校正以完成对于医学图像材料的预处理，可以实现快速准确地生成相应的第一图像。

在本实施例的一些可选的实现方式中，步骤S206包括以下步骤：

获取所述文字数据在所述第三图像中的位置信息。

在本实施例中，位置信息可指文字数据在所述第三图像中的段落信息、顺序信息等。

基于所述位置信息对所述文字数据进行版面恢复处理，得到处理后的文字数据。

在本实施例中，上述版面恢复处理是指对文字数据的版面进行调整，以确保识别后的文字和原图，即上述医学图像材料相比起来段落不变，位置不变，顺序不变。

将所述处理后的文字数据作为所述目标文字数据。

将所述目标文字数据填充至所述初始图像内。

本申请通过获取所述文字数据在所述第三图像中的位置信息；然后基于所述位置信息对所述文字数据进行版面恢复处理，得到处理后的文字数据；之后将所述处理后的文字数据作为所述目标文字数据；后续将所述目标文字数据填充至所述初始图像内。本申请通过获取所述文字数据在所述第三图像中的位置信息，进而根据该位置信息对所述文字数据进行版面恢复处理，可以实现快速准确地生成准确的目标文字数据，从而后续可以基于该目标文字数据来快速构建出相应的目标图像。

在一些可选的实现方式中，步骤S207包括以下步骤：

基于预设的指标字段，从所述目标文字数据中获取与所述指标字段匹配的目标指标。

在本实施例中，可先使用指标数据库的所有指标对目标文字数据进行数据匹配，筛选出匹配成功的指定指标，并将该指定指标作为上述指标字段。其中，上述指标数据库为根据实际的业务使用需求构建的存储有多个指标的数据库。示例性的，在数字医学领域中，上述指标可包括：血糖值、心率、血压值等指标。

获取与所述目标指标对应的指标校验规则。

在本实施例中，可先调用预设的规则库，从所述规则库中筛选出与所述目标指标对应的规则，得到上述指标校验规则。其中，对于不同的每一个指标，预先构建有与该指标对应的参照数据范围，并基于该参照数据范围生成与该指标对应的指标校验规则。

从所述目标文字数据中获取与所述目标指标对应的指标参数值。

基于所述指标校验规则对所述指标参数值进行校验，判断所述指标参数值是否符合所述指标校验规则。

在本实施例中，可通过获取指标校验规则中包含的参照数据范围，并判断所述指标参数值是否处于该参照数据范围内，若所述指标参数值处于该参照数据范围内，则判定所述指标参数符合所述指标校验规则；而若所述指标参数值不处于该参照数据范围内，则判定所述指标参数不符合所述指标校验规则。

若不符合所述指标校验规则，则将所述指标参数值确定为异常指标数据。

在本实施例中，如果所述指标参数值符合所述指标校验规则，则表明上述目标指标的指标参数值属于正常的指标数据。

本申请通过基于预设的指标字段，从所述目标文字数据中获取与所述指标字段匹配的目标指标；然后获取与所述目标指标对应的指标校验规则；之后从所述目标文字数据中获取与所述目标指标对应的指标参数值；后续基于所述指标校验规则对所述指标参数值进行校验，判断所述指标参数值是否符合所述指标校验规则；若不符合所述指标校验规则，则将所述指标参数值确定为异常指标数据。本申请基于指标字段以及指标校验规则的使用对目标指标对应的指标参数值进行校验，可以实现快速准确地完成对于目标文字数据的异常识别，从而得到相应的异常指标数据，提高了异常指标数据的获取效率与获取智能性。

在一些可选的实现方式中，步骤S208中的所述在所述初始图像中对所述异常指标数据进行标记处理得到目标图像，包括以下步骤：

确定颜色信息。

在本实施例中，对于上述颜色信息的选取不做具体限定，可根据实际的业务需求，或者根据用户的个人使用需求进行设置，例如可设为黄色、红色，等等。

基于所述颜色信息，在所述初始图像中对所述异常指标数据进行高亮处理，得到处理后的初始图像。

在本实施例中，在对所述异常指标数据进行高亮处理后，还可进一步对该异常指标数据进行加粗等提醒处理。

将所述处理后的初始图像作为所述目标图像。

本申请通过确定颜色信息；后续基于所述颜色信息，在所述初始图像中对所述异常指标数据进行高亮处理，得到处理后的初始图像，并将所述处理后的初始图像作为所述目标图像。本申请基于预先确定的颜色信息对初始图像中的异常指标数据进行高亮处理，以智能地生成目标图像。由于目标图像中对异常指标数据进行了高亮处理，以使得后续审核人员能够快速便捷地查阅到目标图像中的异常指标数据，进而可以基于该异常指标数据来对所述目标图像进行审核处理，可以有效提高对于核保案件的医学图像材料的核保效率，提高审核人员的工作体验。

在本实施例的一些可选的实现方式中，在步骤S208之后，上述电子设备还可以执行以下步骤：

接收所述审核人员生成的与所述目标图像对应的目标审核结果。

在本实施例中，目标审核结果可包括审核通过结果或回销结果。

判断所述目标审核结果是否为回销结果。

在本实施例中，若目标审核结果为回销结果，审核人员，即核保专家在审单过程中觉得有必要，可下发健康函、体检函、补充资料函等给到对应的被保人进行回销。其中，回销结果中携带资料描述信息。

若是，获取所述回销结果中携带的资料描述信息。

在本实施例中，可通过对上述回销结果进行信息解析，以从该回销结果中提取出所述资料描述信息。示例性的，在数字医疗场景下，上述资料描述信息可包括体检报告。

基于所述资料描述信息生成对应的资料补充信息。

在本实施例中，可通过调用预设的补充信息模板，再将上述资料描述信息填充至补充信息模板内的相应位置处，以生成相应的资料补充信息。其中，上述补充信息模板为根据实际的资料补充业务需求预先构建的信息模板。

将所述资料补充信息推送给所述用户。

在本实施例中，可通过获取用户的通讯信息，再基于该通讯信息将所述资料补充信息推送给所述用户。

本申请通过接收所述审核人员生成的与所述目标图像对应的目标审核结果；然后判断所述目标审核结果是否为回销结果；若是，获取所述回销结果中携带的资料描述信息；之后基于所述资料描述信息生成对应的资料补充信息；后续将所述资料补充信息推送给所述用户。本申请当检测出审核人员生成的与所述目标图像对应的目标审核结果为回销结果后，会智能地对该回销结果进行分析并生成相应的资料补充信息，并将该资料补充信息推送给所述用户，以实现智能地提醒用户进行相应的资料补充处理，有利于后续可以根据用户返回的补充资料来提高对于核保案件的核保处理准确度。

在本实施例的一些可选的实现方式中，在所述将所述资料补充信息推送给所述用户的步骤之后，上述电子设备还可以执行以下步骤：

接收所述用户基于所述资料补充信息返回的目标资料。

对所述目标资料进行文字识别，生成对应的识别结果。

在本实施例中，可采用常用的文字识别算法，例如OCR算法对所述目标资料进行文字识别，生成对应的识别结果。

基于所述识别结果与所述目标图像生成与所述核保案件对应的核保结果。

在本实施例中，在得到了所述识别结果后，可通过将所述识别结果与所述目标图像推送至审核人员的审核工作台，以便审核人员在基于审核工作台查阅到所述识别结果与所述目标图像后，并生成与上述用户的核保案件的对应的最终的核保结果。

本申请通过接收所述用户基于所述资料补充信息返回的目标资料；然后对所述目标资料进行文字识别，生成对应的识别结果；后续基于所述识别结果与所述目标图像生成与所述核保案件对应的核保结果。本申请通过对用户返回的目标资料进行文字识别以生成对应的识别结果，进而通过对所述识别结果与所述目标图像进行共同分析以生成与所述核保案件对应的核保结果，有效地提高了核保结果的数据准确度。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

需要强调的是，为进一步保证上述目标图像的私密和安全性，上述目标图像还可以存储于一区块链的节点中。

本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。

人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互***、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机可读指令来指令相关的硬件来完成，该计算机可读指令可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

进一步参考图3，作为对上述图2所示方法的实现，本申请提供了一种基于人工智能的异常识别装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图3所示，本实施例所述的基于人工智能的异常识别装置300包括：第一接收模块301、第一处理模块302、第二处理模块303、第三处理模块304、提取模块305、第四处理模块306、识别模块307以及展示模块308。其中：

第一接收模块301，用于接收用户输入的核保案件的医学图像材料；

第一处理模块302，用于对所述医学图像材料进行预处理，得到对应的第一图像；

第二处理模块303，用于对所述第一图像进行版面分析处理得到第二图像；

第三处理模块304，用于对所述第二图像进行字符切割处理得到第三图像；

提取模块305，用于对所述第三图像进行字符特征提取，得到对应的文字数据；

第四处理模块306，用于对所述文字数据进行版面恢复处理，得到目标文字数据，并将所述目标文字数据填充至预设的初始图像内；

识别模块307，用于在所述初始图像中对所述目标文字数据进行异常识别，得到对应的异常指标数据；

展示模块308，用于在所述初始图像中对所述异常指标数据进行标记处理得到目标图像，并在目标页面中展示所述目标图像，以便审核人员对所述目标图像进行审核处理。

在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的基于人工智能的异常识别方法的步骤一一对应，在此不再赘述。

在本实施例的一些可选的实现方式中，第一处理模块302包括：

第一处理子模块，用于对所述医学图像材料进行二值化处理，得到第一指定图像；

第二处理子模块，用于对所述第一指定图像进行噪声去除，得到第二指定图像；

第三处理子模块，用于对所述第二指定图像进行倾斜校正，得到第三指定图像；

第一确定子模块，用于将所述第三指定图像作为所述第一图像。

在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的基于人工智能的异常识别方法的步骤一一对应，在此不再赘述。

在本实施例的一些可选的实现方式中,第四处理模块306包括：

第一获取子模块，用于获取所述文字数据在所述第三图像中的位置信息；

第四处理子模块，用于基于所述位置信息对所述文字数据进行版面恢复处理，得到处理后的文字数据；

第二确定子模块，用于将所述处理后的文字数据作为所述目标文字数据；

填充子模块，用于将所述目标文字数据填充至所述初始图像内。

本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的基于人工智能的异常识别方法的步骤一一对应，在此不再赘述。

在本实施例的一些可选的实现方式中，识别模块307包括：

第二获取子模块，用于基于预设的指标字段，从所述目标文字数据中获取与所述指标字段匹配的目标指标；

第三获取子模块，用于获取与所述目标指标对应的指标校验规则；

第四获取子模块，用于从所述目标文字数据中获取与所述目标指标对应的指标参数值；

校验子模块，用于基于所述指标校验规则对所述指标参数值进行校验，判断所述指标参数值是否符合所述指标校验规则；

第三确定子模块，用于若不符合所述指标校验规则，则将所述指标参数值确定为异常指标数据。

在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的基于人工智能的异常识别方法的步骤一一对应，在此不再赘述。

在本实施例的一些可选的实现方式中，展示模块308包括：

第四确定子模块，用于确定颜色信息；

第五处理子模块，用于基于所述颜色信息，在所述初始图像中对所述异常指标数据进行高亮处理，得到处理后的初始图像；

第五确定子模块，用于将所述处理后的初始图像作为所述目标图像。

在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的基于人工智能的异常识别方法的步骤一一对应，在此不再赘述。

在本实施例的一些可选的实现方式中，基于人工智能的异常识别装置还包括：

第二接收模块，用于接收所述审核人员生成的与所述目标图像对应的目标审核结果；

判断模块，用于判断所述目标审核结果是否为回销结果；

获取模块，用于若是，获取所述回销结果中携带的资料描述信息；

第一生成模块，用于基于所述资料描述信息生成对应的资料补充信息；

推送模块，用于将所述资料补充信息推送给所述用户。

在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的基于人工智能的异常识别方法的步骤一一对应，在此不再赘述。

在本实施例的一些可选的实现方式中，基于人工智能的异常识别装置还包括：

第三接收模块，用于接收所述用户基于所述资料补充信息返回的目标资料；

第二生成模块，用于对所述目标资料进行文字识别，生成对应的识别结果；

第三生成模块，用于基于所述识别结果与所述目标图像生成与所述核保案件对应的核保结果。

在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的基于人工智能的异常识别方法的步骤一一对应，在此不再赘述。

为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图4，图4为本实施例计算机设备基本结构框图。

所述计算机设备4包括通过***总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是，图中仅示出了具有组件41-43的计算机设备4，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable GateArray，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。

所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。

所述存储器41至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器41可以是所述计算机设备4的内部存储单元，例如该计算机设备4的硬盘或内存。在另一些实施例中，所述存储器41也可以是所述计算机设备4的外部存储设备，例如该计算机设备4上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)等。当然，所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括其外部存储设备。本实施例中，所述存储器41通常用于存储安装于所述计算机设备4的操作***和各类应用软件，例如基于人工智能的异常识别方法的计算机可读指令等。此外，所述存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。

所述处理器42在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制所述计算机设备4的总体操作。本实施例中，所述处理器42用于运行所述存储器41中存储的计算机可读指令或者处理数据，例如运行所述基于人工智能的异常识别方法的计算机可读指令。

所述网络接口43可包括无线网络接口或有线网络接口，该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。

与现有技术相比，本申请实施例主要有以下有益效果：

本申请实施例中，首先接收用户输入的核保案件的医学图像材料；然后对所述医学图像材料进行预处理，得到对应的第一图像；再对所述第一图像进行版面分析处理得到第二图像；并对所述第二图像进行字符切割处理得到第三图像；然后对所述第三图像进行字符特征提取，得到对应的文字数据；之后对所述文字数据进行版面恢复处理，得到目标文字数据，并将所述目标文字数据填充至预设的初始图像内；后续在所述初始图像中对所述目标文字数据进行异常识别，得到对应的异常指标数据；最后在所述初始图像中对所述异常指标数据进行标记处理得到目标图像，并在目标页面中展示所述目标图像，以便审核人员对所述目标图像进行审核处理。本申请实施例通过对核保案件的医学图像材料进行自动化处理以及异常识别处理以生成包含经过标记处理后的异常指标数据的目标图像，并在目标页面中展示所述目标图像，以使得审核人员能够清楚查阅到目标图像内的异常指标数据，进而根据该异常指标数据来完成对于核保案件的审核处理，有效地提高了核保效率，提高了核保处理的灵活性，有利于提高用户满意度。

本申请还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令可被至少一个处理器执行，以使所述至少一个处理器执行如上述的基于人工智能的异常识别方法的步骤。

与现有技术相比，本申请实施例主要有以下有益效果：

本申请实施例中，首先接收用户输入的核保案件的医学图像材料；然后对所述医学图像材料进行预处理，得到对应的第一图像；再对所述第一图像进行版面分析处理得到第二图像；并对所述第二图像进行字符切割处理得到第三图像；然后对所述第三图像进行字符特征提取，得到对应的文字数据；之后对所述文字数据进行版面恢复处理，得到目标文字数据，并将所述目标文字数据填充至预设的初始图像内；后续在所述初始图像中对所述目标文字数据进行异常识别，得到对应的异常指标数据；最后在所述初始图像中对所述异常指标数据进行标记处理得到目标图像，并在目标页面中展示所述目标图像，以便审核人员对所述目标图像进行审核处理。本申请实施例通过对核保案件的医学图像材料进行自动化处理以及异常识别处理以生成包含经过标记处理后的异常指标数据的目标图像，并在目标页面中展示所述目标图像，以使得审核人员能够清楚查阅到目标图像内的异常指标数据，进而根据该异常指标数据来完成对于核保案件的审核处理，有效地提高了核保效率，提高了核保处理的灵活性，有利于提高用户满意度。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。

显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。

Claims (10)

1.一种基于人工智能的异常识别方法，其特征在于，包括下述步骤：

接收用户输入的核保案件的医学图像材料；

对所述医学图像材料进行预处理，得到对应的第一图像；

对所述第一图像进行版面分析处理得到第二图像；

对所述第二图像进行字符切割处理得到第三图像；

对所述第三图像进行字符特征提取，得到对应的文字数据；

对所述文字数据进行版面恢复处理，得到目标文字数据，并将所述目标文字数据填充至预设的初始图像内；

在所述初始图像中对所述目标文字数据进行异常识别，得到对应的异常指标数据；

在所述初始图像中对所述异常指标数据进行标记处理得到目标图像，并在目标页面中展示所述目标图像，以便审核人员对所述目标图像进行审核处理。

2.根据权利要求1所述的基于人工智能的异常识别方法，其特征在于，所述对所述医学图像材料进行预处理，得到对应的第一图像的步骤，具体包括：

对所述医学图像材料进行二值化处理，得到第一指定图像；

对所述第一指定图像进行噪声去除，得到第二指定图像；

对所述第二指定图像进行倾斜校正，得到第三指定图像；

将所述第三指定图像作为所述第一图像。

3.根据权利要求1所述的基于人工智能的异常识别方法，其特征在于，所述对所述文字数据进行版面恢复处理，得到目标文字数据，并将所述目标文字数据填充至预设的初始图像内的步骤，具体包括：

获取所述文字数据在所述第三图像中的位置信息；

基于所述位置信息对所述文字数据进行版面恢复处理，得到处理后的文字数据；

将所述处理后的文字数据作为所述目标文字数据；

将所述目标文字数据填充至所述初始图像内。

4.根据权利要求1所述的基于人工智能的异常识别方法，其特征在于，所述在所述初始图像中对所述目标文字数据进行异常识别，得到对应的异常指标数据的步骤，具体包括：

基于预设的指标字段，从所述目标文字数据中获取与所述指标字段匹配的目标指标；

获取与所述目标指标对应的指标校验规则；

从所述目标文字数据中获取与所述目标指标对应的指标参数值；

基于所述指标校验规则对所述指标参数值进行校验，判断所述指标参数值是否符合所述指标校验规则；

若不符合所述指标校验规则，则将所述指标参数值确定为异常指标数据。

5.根据权利要求1所述的基于人工智能的异常识别方法，其特征在于，所述在所述初始图像中对所述异常指标数据进行标记处理得到目标图像的步骤，具体包括：

确定颜色信息；

基于所述颜色信息，在所述初始图像中对所述异常指标数据进行高亮处理，得到处理后的初始图像；

将所述处理后的初始图像作为所述目标图像。

6.根据权利要求1所述的基于人工智能的异常识别方法，其特征在于，所述在所述初始图像中对所述异常指标数据进行标记处理得到目标图像，并在目标页面中展示所述目标图像，以便审核人员对所述目标图像进行审核处理的步骤之后，还包括：

接收所述审核人员生成的与所述目标图像对应的目标审核结果；

判断所述目标审核结果是否为回销结果；

若是，获取所述回销结果中携带的资料描述信息；

基于所述资料描述信息生成对应的资料补充信息；

将所述资料补充信息推送给所述用户。

7.根据权利要求6所述的基于人工智能的异常识别方法，其特征在于，在所述将所述资料补充信息推送给所述用户的步骤之后，还包括：

接收所述用户基于所述资料补充信息返回的目标资料；

对所述目标资料进行文字识别，生成对应的识别结果；

基于所述识别结果与所述目标图像生成与所述核保案件对应的核保结果。

8.一种基于人工智能的异常识别装置，其特征在于，包括：

第一接收模块，用于接收用户输入的核保案件的医学图像材料；

第一处理模块，用于对所述医学图像材料进行预处理，得到对应的第一图像；

第二处理模块，用于对所述第一图像进行版面分析处理得到第二图像；

第三处理模块，用于对所述第二图像进行字符切割处理得到第三图像；

提取模块，用于对所述第三图像进行字符特征提取，得到对应的文字数据；

第四处理模块，用于对所述文字数据进行版面恢复处理，得到目标文字数据，并将所述目标文字数据填充至预设的初始图像内；

识别模块，用于在所述初始图像中对所述目标文字数据进行异常识别，得到对应的异常指标数据；

展示模块，用于在所述初始图像中对所述异常指标数据进行标记处理得到目标图像，并在目标页面中展示所述目标图像，以便审核人员对所述目标图像进行审核处理。

9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的基于人工智能的异常识别方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的基于人工智能的异常识别方法的步骤。