基于OCR技術(shù)的醫(yī)療收費票據(jù)自動錄入系統(tǒng)研究

廣東電網(wǎng)有限責(zé)任公司廣州供電局 梁林森

近年來，全國醫(yī)療服務(wù)的就診人數(shù)持續(xù)提高，數(shù)量高達(dá)幾十億，很多企業(yè)收到的醫(yī)療收費報銷單據(jù)也在迅速增長，然而這類醫(yī)療收費票據(jù)的處理依然停留在傳統(tǒng)的人工處理方式階段，難以滿足企業(yè)工作需要?，F(xiàn)在借助成熟的OCR文字識別技術(shù)實現(xiàn)醫(yī)療收費報銷單據(jù)的自動錄入，將極大的提高財務(wù)人員的工作效率，縮短報銷時間。

1 OCR技術(shù)及特點

技術(shù)簡述：OCR中文叫做光學(xué)字符識別，是利用光學(xué)技術(shù)和計算機(jī)技術(shù)把印在或?qū)懺诩埳系奈淖肿x取出來，并轉(zhuǎn)換成一種計算機(jī)能夠接受、人又可以理解的格式。這項技術(shù)已經(jīng)比較成熟，應(yīng)用風(fēng)險也低。OCR一般可分為手寫體識別和印刷體識別，識別內(nèi)容則包括漢字、英文字母、阿拉伯?dāng)?shù)字、常用標(biāo)點符號等。一套OCR處理流程基本可分為版面分析、預(yù)處理、行列切割、字符識別、后處理識別矯正共計5個步驟。

技術(shù)特點：基于OCR技術(shù)建立的各種圖像識別應(yīng)用系統(tǒng)大都可歸納為特征提取、文字定位、光學(xué)識別、語言模型四個方面。在建立的識別應(yīng)用系統(tǒng)中，原始圖像的數(shù)據(jù)質(zhì)量影響最終的識別結(jié)果。例如：拍照或掃描模糊，有斜角、反向等，這些都需要在特征提取前做好預(yù)處理。同時OCR有一個識別正確率的限制，并不會完全100%識別準(zhǔn)確，目前對印刷體的識別率可達(dá)到99.8%，手寫體一般最高可達(dá)90%。因此，實現(xiàn)基于OCR技術(shù)的醫(yī)療收費票據(jù)自動錄入功能時需要考慮識別準(zhǔn)確率的情況，做好數(shù)據(jù)的后期矯正[1-2]。

2 技術(shù)解決方案

2.1 票據(jù)數(shù)據(jù)流向分析

當(dāng)前，醫(yī)療收費票據(jù)基本都是打印的紙質(zhì)票據(jù)，需通過票據(jù)掃描設(shè)備轉(zhuǎn)化為影像掃描件。然后通過OCR識別技術(shù)進(jìn)行票據(jù)信息的提取，最后錄入財務(wù)相關(guān)系統(tǒng)，機(jī)器或人工審核后執(zhí)行后續(xù)企業(yè)內(nèi)部報銷流程。圖1為票據(jù)數(shù)據(jù)流向的分析示意圖。

如圖1所示，原始紙質(zhì)票據(jù)轉(zhuǎn)化為掃描件圖像后，經(jīng)過預(yù)處理后分為兩類數(shù)據(jù)：一是分割和規(guī)范化的單個字符的圖像；另一個是經(jīng)過校正去燥等處理的完整的票據(jù)圖像（圖1中處理后圖像分支）。分割后的圖像送入OCR識別器中識別，提取票據(jù)數(shù)據(jù)信息；處理后的圖像可按票據(jù)種類、日期、單位、醫(yī)院類型、住院（科室）等數(shù)據(jù)項進(jìn)行分類壓縮存放，可保存在磁帶、光盤等大容量存儲介質(zhì)上，供查詢和重新識別使用[3]。

2.2 票據(jù)自錄入系統(tǒng)組成

實現(xiàn)醫(yī)療收費票據(jù)的自動錄入功能需構(gòu)建四大應(yīng)用模塊，按數(shù)據(jù)的流向，依次為票據(jù)影像自動獲取、票據(jù)識別、數(shù)據(jù)自動錄入（圖2）、人機(jī)數(shù)據(jù)審核。其中人機(jī)數(shù)據(jù)審核尤為重要，因為涉及到相關(guān)人員的報銷資金，如果以萬份錯誤率為功能符合度的指標(biāo)，我們認(rèn)為萬份錯誤率＜0.01%。通過人機(jī)數(shù)據(jù)審核功能，建立“機(jī)器+人工”的雙層核查機(jī)制，具體設(shè)計如下：

圖1 票據(jù)數(shù)據(jù)流向示意圖

創(chuàng)建系統(tǒng)自查自糾的數(shù)據(jù)約束規(guī)則，先由系統(tǒng)根據(jù)規(guī)則對錄入系統(tǒng)的數(shù)據(jù)進(jìn)行第一次核查，對發(fā)現(xiàn)的異常數(shù)據(jù)提交人工核查；人工對系統(tǒng)對提交的異常數(shù)據(jù)進(jìn)行識別，將正確的數(shù)據(jù)錄入系統(tǒng)，提交后臺規(guī)則學(xué)習(xí)模型中進(jìn)行訓(xùn)練；人工對系統(tǒng)全部錄入的數(shù)據(jù)進(jìn)行隨機(jī)抽查，抽查發(fā)現(xiàn)錯誤的數(shù)據(jù)，將正確的數(shù)據(jù)錄入系統(tǒng)，提交后臺規(guī)則學(xué)習(xí)模型中進(jìn)行訓(xùn)練；通過上述三個過程的循環(huán)應(yīng)用，逐步提高系統(tǒng)自查自糾的能力，降低人工參與的機(jī)會，最終實現(xiàn)系統(tǒng)采集、識別、錄入、校對的全過程自動化處理。

圖2 醫(yī)療收費票據(jù)自動錄入輔助應(yīng)用結(jié)構(gòu)圖

3 系統(tǒng)應(yīng)用效果

目前，基于OCR技術(shù)的醫(yī)療收費票據(jù)自動錄入系統(tǒng)已在廣東電網(wǎng)公司廣州供電局財務(wù)共享中心上線運行，應(yīng)用效果也比較好，主要體現(xiàn)在以下兩點：

工作效率極大提升。系統(tǒng)上線運行前，對于財務(wù)人員來說最頭疼的就是發(fā)票的錄入和整理。人工錄入耗時低效、易出錯，人工校驗、糾正也會花費大量的時間?，F(xiàn)在發(fā)票通過掃描儀即可實現(xiàn)發(fā)票的識別、數(shù)據(jù)自動錄入、發(fā)票驗真等工作。以前1個月的發(fā)票錄入工作，現(xiàn)在3個小時內(nèi)可全部錄入系統(tǒng)，工作效率得到了極大提升。

圖3 系統(tǒng)操作界面

與報銷系統(tǒng)高度集成，報銷時效大幅度縮短。這套醫(yī)療票據(jù)自錄入系統(tǒng)可以本地部署也可以云部署，直接對接企業(yè)財務(wù)共享中心，企業(yè)各地的員工通過手機(jī)客戶端即可完成發(fā)票的采集、識別、驗真[4]。后續(xù)，員工出差后不需要回到辦公室貼發(fā)票、提交報銷單，隨時隨地都可以提交報銷申請，享受到了高效的醫(yī)療報銷體驗。

綜上，針對醫(yī)療收費票據(jù)報銷業(yè)務(wù)，充分借鑒了OCR識別技術(shù)、移動應(yīng)用技術(shù)，以及人工智能技術(shù)，與之前傳統(tǒng)的票據(jù)人工錄入工作模式相比，通過系統(tǒng)識別自錄入功能的使用，極大的降低醫(yī)療發(fā)票錄入和整理的時間成本，提高了財務(wù)人員的業(yè)務(wù)專注度，也提高了財務(wù)報銷工作的及時率，準(zhǔn)確度，有比較好的推廣應(yīng)用價值。