【技術實現步驟摘要】
本專利技術涉及人工智能，尤其涉及一種基于人工智能的醫療清單文本篡改檢測方法、裝置、設備及介質。
技術介紹
1、在進行保險報銷時，有些客戶會將醫療清單進行文本篡改操作，特別是人名、日期等內容，如果可以有效的識別出來經過篡改處理的醫療清單，可以規范用戶行為，防止騙保行為的發生。
2、現有的圖片篡改大致可劃分為三種類型。(1)將圖片上的部分內容擦除；(2)在圖片擦除內容的地方插入新的內容或者在圖片空白的地方插入新的內容；(3)將新的內容復制粘貼覆蓋在圖片的原來內容上。
3、現有技術的圖像篡改檢測方法應用于病例清單圖片的識別存在誤識別問題：例如病例清單圖片中的醫生手寫區域簽名是通過復制粘貼進去的，病例清單圖片中插入醫院logo的圖標、二維碼、條形碼；神經網絡模型在進行檢測時，會將其檢測為病例清單圖片經過篡改，從而造成誤識別。
技術實現思路
1、本專利技術提供一種基于人工智能的醫療清單文本篡改檢測方法、裝置、計算機設備及介質，以解決病例清單圖片存在篡改誤識別的技術問題。
2、第一方面，提供了一種基于人工智能的醫療清單文本篡改檢測方法，包括：
3、獲取預制作的醫療清單文本訓練集，所述醫療清單文本訓練集包括被篡改病例清單圖片和未被篡改病例清單圖片，所述被篡改病例清單圖片設有篡改區域標注，篡改區域標注包括擦除部分病例清單的內容、病例清單上插入部分新的內容、復制其它文檔的內容粘貼覆蓋病例清單的部分內容，所述被篡改病例清單圖片和未被篡改病例清單圖片設有特
4、將醫療清單文本訓練集輸入到神經網絡模型進行模型訓練，保存訓練得到的權重參數，得到經訓練的神經網絡模型，所述神經網絡模型包括一個編碼器及兩個解碼器；
5、將待檢測的醫療清單文本圖片輸入到經訓練的神經網絡模型進行篡改識別，得到醫療清單文本的篡改識別結果。
6、第二方面，提供了一種基于人工智能的醫療清單文本篡改檢測裝置，包括：
7、訓練集獲取模塊，用于獲取預制作的醫療清單文本訓練集，所述醫療清單文本訓練集包括被篡改病例清單圖片和未被篡改病例清單圖片，所述被篡改病例清單圖片設有篡改區域標注，篡改區域標注包括擦除部分病例清單的內容、病例清單上插入部分新的內容、復制其它文檔的內容粘貼覆蓋病例清單的部分內容，所述被篡改病例清單圖片和未被篡改病例清單圖片設有特例區域標注，特例區域標注包括醫生簽名、醫院印章、二維碼、條形碼、插入圖片；
8、模型訓練模塊，用于將醫療清單文本訓練集輸入到神經網絡模型進行模型訓練，保存訓練得到的權重參數，得到經訓練的神經網絡模型，所述神經網絡模型包括一個編碼器及兩個解碼器；
9、篡改識別模塊，用于將待檢測的醫療清單文本圖片輸入到經訓練的神經網絡模型進行篡改識別，得到醫療清單文本的篡改識別結果。
10、第三方面，提供了一種計算機設備，包括存儲器、處理器以及存儲在存儲器中并可在處理器上運行的計算機程序，處理器執行計算機程序時實現上述基于人工智能的醫療清單文本篡改檢測方法的步驟。
11、第四方面，提供了一種計算機可讀存儲介質，計算機可讀存儲介質存儲有計算機程序，計算機程序被處理器執行時實現上述基于人工智能的醫療清單文本篡改檢測方法的步驟。
12、上述基于人工智能的醫療清單文本篡改檢測方法、裝置、計算機設備及存儲介質所實現的方案中，通過獲取預制作的醫療清單文本訓練集，所述醫療清單文本訓練集包括被篡改病例清單圖片和未被篡改病例清單圖片，所述被篡改病例清單圖片設有篡改區域標注，篡改區域標注包括擦除部分病例清單的內容、病例清單上插入部分新的內容、復制其它文檔的內容粘貼覆蓋病例清單的部分內容，所述被篡改病例清單圖片和未被篡改病例清單圖片設有特例區域標注，特例區域標注包括醫生簽名、醫院印章、二維碼、條形碼、插入圖片；將醫療清單文本訓練集輸入到神經網絡模型進行模型訓練，保存訓練得到的權重參數，得到經訓練的神經網絡模型，所述神經網絡模型包括一個編碼器及兩個解碼器；將待檢測的醫療清單文本圖片輸入到經訓練的神經網絡模型進行篡改識別，得到醫療清單文本的篡改識別結果，在本專利技術中，為防止醫療清單文本一些正常處理的特例區域被誤識別，可通過對篡改區域及特例區域進行分別標注，使得訓練出來的神經網絡模型的兩個解碼器具備將被篡改區域和特例區域分辨的能力，能有效地提升神經網絡模型的識別精度，避免誤識別。
本文檔來自技高網...【技術保護點】
1.一種基于人工智能的醫療清單文本篡改檢測方法，其特征在于，包括：
2.如權利要求1所述的基于人工智能的醫療清單文本篡改檢測方法，其特征在于，將醫療清單文本訓練集輸入到神經網絡模型進行模型訓練，保存訓練得到的權重參數，得到經訓練的神經網絡模型，包括：
3.如權利要求2所述的基于人工智能的醫療清單文本篡改檢測方法，其特征在于，所述根據被篡改病例清單圖片和未被篡改病例清單圖片的篡改區域mask中的值，計算出篡改區域的損失函數為：
4.如權利要求2所述的基于人工智能的醫療清單文本篡改檢測方法，其特征在于，所述根據被篡改病例清單圖片和未被篡改病例清單圖片的特例區域mask中的值，計算出特例區域的損失函數為，
5.如權利要求2任一項所述的基于人工智能的醫療清單文本篡改檢測方法，其特征在于，將被篡改病例清單圖片和未被篡改病例清單圖片通過神經網絡模型的編碼器進行降維處理包括：
6.如權利要求1所述的基于人工智能的醫療清單文本篡改檢測方法，其特征在于，所述將待檢測的醫療清單文本圖片輸入到經訓練的神經網絡模型進行篡改識別，得到醫療清單文本
7.如權利要求6所述的基于人工智能的醫療清單文本篡改檢測方法，其特征在于，在輸出不包含特例區域的篡改區域的tam_mask_last時，將tam_mask_last中面積小于預設閾值的部分去除。
8.一種基于人工智能的醫療清單文本篡改檢測裝置，其特征在于，包括：
9.一種計算機設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至7任一項所述基于人工智能的醫療清單文本篡改檢測方法的步驟。
10.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至7任一項所述基于人工智能的醫療清單文本篡改檢測方法的步驟。
...【技術特征摘要】
1.一種基于人工智能的醫療清單文本篡改檢測方法，其特征在于，包括：
2.如權利要求1所述的基于人工智能的醫療清單文本篡改檢測方法，其特征在于，將醫療清單文本訓練集輸入到神經網絡模型進行模型訓練，保存訓練得到的權重參數，得到經訓練的神經網絡模型，包括：
3.如權利要求2所述的基于人工智能的醫療清單文本篡改檢測方法，其特征在于，所述根據被篡改病例清單圖片和未被篡改病例清單圖片的篡改區域mask中的值，計算出篡改區域的損失函數為：
4.如權利要求2所述的基于人工智能的醫療清單文本篡改檢測方法，其特征在于，所述根據被篡改病例清單圖片和未被篡改病例清單圖片的特例區域mask中的值，計算出特例區域的損失函數為，
5.如權利要求2任一項所述的基于人工智能的醫療清單文本篡改檢測方法，其特征在于，將被篡改病例清單圖片和未被篡改病例清單圖片通過神經網絡模型的編碼器進行降維處理包括：
6.如權利要求1所述的基于人工智...
【專利技術屬性】
技術研發人員：徐玲玲，
申請(專利權)人：平安科技深圳有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。