本发明涉及医疗费用清单数据处理，具体涉及一种提高ocr识别医疗费用清单效率的预处理方法和系统。
背景技术：
1、在商保中，一般医疗费用清单都是通过ocr识别清单内容，然后保险再根据清单内容进行数据项核准报销。
2、目前，由于用户上传的文件中，有很多不是医保结算清单的文件，导致ocr需要识别很多无关文件图片，这增加了ocr识别压力，也影响了ocr识别医疗费用清单的效率。
技术实现思路
1、为此，本发明提供一种提高ocr识别医疗费用清单效率的预处理方法和系统，在ocr识别前预处理，将医疗费用清单外的文件筛选掉，只将医疗费用清单文件传输给ocr识别，解决了ocr识别压力大，识别效率低的问题。
2、为了实现上述目的，本发明提供如下技术方案：一种提高ocr识别医疗费用清单效率的预处理方法，包括：
3、调用ocr文件筛选模块，对上传的文件进行格式匹配筛选，对指定格式的文件进行过滤得到识别文件对象；对过滤后得到的所述识别文件对象，采用读取文件头与已知文件头签名匹配的方法确定文件类型；
4、调用费用清单筛选模块，根据医院既有医疗费用清单数据，计算一年中医疗费用清单的大小极值，确定医院的医疗费用清单大小范围，对超出医院医疗费用清单大小范围的文件进行过滤。
5、作为一种提高ocr识别医疗费用清单效率的预处理方法优选方案，所述指定格式，包括手写字体文件格式、音频文件格式、视频文件格式和加密文件格式。
6、作为一种提高ocr识别医疗费用清单效率的预处理方法优选方案，所述手写字体文件格式包括will、ink、myscript格式；所述音频文件格式包括mp3、wav、flac格式；所述视频文件格式包括avi、mp4、mov格式；所述加密文件格式包括pdf密码保护文件、加密zip文件等需要密码的文件格式。
7、作为一种提高ocr识别医疗费用清单效率的预处理方法优选方案，所述读取文件头是通过编程语言的文件操作功能，对文件的开头若干字节进行读取，读取后与已知的文件头签名匹配。
8、作为一种提高ocr识别医疗费用清单效率的预处理方法优选方案，使用线性回归模型，训练一个模型来计算医疗费用清单的大小极值；线性回归模型的数学表达式如下：
9、y＝b0+b1x1+b2x2+...+bnxn+ε
10、其中，y是目标变量，代表医疗费用清单的大小；x1,x2,...,xn是特征变量；b0是截距；b1,b2,...,bn是特征的系数；ε是误差项。
11、作为一种提高ocr识别医疗费用清单效率的预处理方法优选方案，对上传的费用清单进行过滤，判断是否在所述医院的医疗费用清单大小范围内，若小于所述医院的医疗费用清单大小范围，则过滤掉数据；若大于所述医院的医疗费用清单大小范围，则过滤掉数据。
12、本发明还提供一种提高ocr识别医疗费用清单效率的预处理系统，包括：
13、ocr文件筛选模块，用于对上传的文件进行格式匹配筛选，对指定格式的文件进行过滤得到识别文件对象；对过滤后得到的所述识别文件对象，采用读取文件头与已知文件头签名匹配的方法确定文件类型；
14、费用清单筛选模块，用于根据医院既有医疗费用清单数据，计算一年中医疗费用清单的大小极值，确定医院的医疗费用清单大小范围，对超出医院医疗费用清单大小范围的文件进行过滤。
15、作为一种提高ocr识别医疗费用清单效率的预处理系统优选方案，所述ocr文件筛选模块中：
16、所述指定格式，包括手写字体文件格式、音频文件格式、视频文件格式和加密文件格式；
17、所述手写字体文件格式包括will、ink、myscript格式；所述音频文件格式包括mp3、wav、flac格式；所述视频文件格式包括avi、mp4、mov格式；所述加密文件格式包括pdf密码保护文件、加密zip文件等需要密码的文件格式；
18、所述读取文件头是通过编程语言的文件操作功能，对文件的开头若干字节进行读取，读取后与已知的文件头签名匹配。
19、作为一种提高ocr识别医疗费用清单效率的预处理系统优选方案，所述费用清单筛选模块中：
20、使用线性回归模型，训练一个模型来计算医疗费用清单的大小极值；线性回归模型的数学表达式如下：
21、y＝b0+b1x1+b2x2+...+bnxn+ε
22、其中，y是目标变量，代表医疗费用清单的大小；x1,x2,...,xn是特征变量；b0是截距；b1,b2,...,bn是特征的系数；ε是误差项。
23、作为一种提高ocr识别医疗费用清单效率的预处理系统优选方案，所述费用清单筛选模块中：对上传的费用清单进行过滤，判断是否在所述医院的医疗费用清单大小范围内，若小于所述医院的医疗费用清单大小范围，则过滤掉数据；若大于所述医院的医疗费用清单大小范围，则过滤掉数据。
24、本发明具有如下优点：调用ocr文件筛选模块，对上传的文件进行格式匹配筛选，对指定格式的文件进行过滤得到识别文件对象；对过滤后得到的所述识别文件对象，采用读取文件头与已知文件头签名匹配的方法确定文件类型；调用费用清单筛选模块，根据医院既有医疗费用清单数据，计算一年中医疗费用清单的大小极值，确定医院的医疗费用清单大小范围，对超出医院医疗费用清单大小范围的文件进行过滤。本发明实现了在ocr识别前预处理，将医疗费用清单外的文件筛选掉，只将医疗费用清单文件传输给ocr识别，解决了ocr识别压力大，识别效率低的问题。
1.一种提高ocr识别医疗费用清单效率的预处理方法，其特征在于，包括：
2.根据权利要求1所述的一种提高ocr识别医疗费用清单效率的预处理方法，其特征在于，所述指定格式，包括手写字体文件格式、音频文件格式、视频文件格式和加密文件格式。
3.根据权利要求2所述的一种提高ocr识别医疗费用清单效率的预处理方法，其特征在于，所述手写字体文件格式包括will、ink、myscript格式；所述音频文件格式包括mp3、wav、flac格式；所述视频文件格式包括avi、mp4、mov格式；所述加密文件格式包括pdf密码保护文件、加密zip文件等需要密码的文件格式。
4.根据权利要求1所述的一种提高ocr识别医疗费用清单效率的预处理方法，其特征在于，所述读取文件头是通过编程语言的文件操作功能，对文件的开头若干字节进行读取，读取后与已知的文件头签名匹配。
5.根据权利要求1所述的一种提高ocr识别医疗费用清单效率的预处理方法，其特征在于，使用线性回归模型，训练一个模型来计算医疗费用清单的大小极值；线性回归模型的数学表达式如下：
6.根据权利要求1所述的一种提高ocr识别医疗费用清单效率的预处理方法，其特征在于，对上传的费用清单进行过滤，判断是否在所述医院的医疗费用清单大小范围内，若小于所述医院的医疗费用清单大小范围，则过滤掉数据；若大于所述医院的医疗费用清单大小范围，则过滤掉数据。
7.一种提高ocr识别医疗费用清单效率的预处理系统，其特征在于，包括：
8.根据权利要求7所述的一种提高ocr识别医疗费用清单效率的预处理系统，其特征在于，所述ocr文件筛选模块中：
9.根据权利要求7所述的一种提高ocr识别医疗费用清单效率的预处理系统，其特征在于，所述费用清单筛选模块中：
10.根据权利要求9所述的一种提高ocr识别医疗费用清单效率的预处理系统，其特征在于，所述费用清单筛选模块中：
