评测四:医疗纸质文档电子档(ePaper)OCR识别
Task4: OCR identification of electronic medical paper documents (ePaper)
1. 任务背景
当前医院中使用的病历材料依然以纸质为主，其中信息包含：客户信息，诊断信息，用药信息，费用信息等。在医疗行业、保险行业中，这些信息具有很高的商业及科研价值，且提取难度较高，目前还多依赖人工录入。
随着OCR与NLP等人工智能技术在生产生活中的应用的逐渐发展普及，与传统人工录入相比，利用OCR及NLP技术的应用可以有效提升工作效率，并降低业务人员的培养成本。利用OCR及NLP技术将这些纸质材料上的信息进行电子化、结构化逐渐成为当前行业中的热点。
本次任务数据集中包括：出院小结、门诊发票、购药发票、住院发票这四类病历材料。主要针对需求：生活场景图片，提取数据，并生成电子结构化数据。
2. 抽取字段说明
抽取字段属性名未掺杂业务逻辑，采用材料上原字段属性名。未在下列字段属性名中的字段不参与最终结果评估。
（1）出院小结（属性名共8个）
客户信息（属性名共2个）：性别、年龄
医院信息（属性名共6个）：医院名称、组织机构代码、医疗机构类型、入院日期、出院日期、住院天数
（2）门诊发票（属性名共34个）
客户信息字段（属性名共1个）：性别
发票信息字段（属性名共7个）：票据代码、票据号码、校验码、开票日期、收款单位、收款人、复核人
医保信息字段（属性名共2个）：医疗机构类型、医保类型
项目信息字段（属性名共14个）：诊查费、检查费、化验费、治疗费、手术费、卫生材料费、西药费、中药饮片、中成药费、一般诊疗费、床位费、护理费、挂号费、其他收费项目
支付信息字段（属性名共10个）：合计金额（大写）、（小写）、医保统筹基金支付、统筹支付、个人现金支付、个人账户支付、个人自付、其他支付、自付一、自付二
（3）购药发票（属性名共8个）
发票信息字段（属性名共6个）：票据代码、票据号码、校验码、开票日期、收款人、复核人
支付信息字段（属性名共2个）：价税合计（大写）、（小写）
（4）住院发票（属性名共37个）
客户信息字段（属性名共4个）：性别、入院日期、出院日期、住院天数
发票信息字段（属性名共7个）：票据代码、票据号码、校验码、开票日期、收款单位、收款人、复核人
医保信息字段（属性名共2个）：医疗机构类型、医保类型
项目信息字段（属性名共14个）：诊查费、检查费、化验费、治疗费、手术费、卫生材料费、西药费、中药饮片、中成药费、一般诊疗费、床位费、护理费、挂号费、其他收费项目
支付信息字段（属性名共10个）：合计金额（大写）、（小写）、医保统筹基金支付、统筹支付、个人现金支付、个人账户支付、个人自付、其他支付、自付一、自付二
3. 标注例子
出院小结标注图片示例：（对应标注结果存放要求中的png）
出院小结标注结果示例：（对应标注结果存放要求中的xls。“无”代表图片中未出现该字段，“/”代表图片中出现该字段但没有对应值）
门诊发票标注图片示例：（对应标注结果存放要求中的png）
门诊发票标注结果示例：（对应标注结果存放要求中的xls。“无”代表图片中未出现该字段，“/”代表图片中出现该字段但没有对应值）
购药发票标注图片示例：（对应标注结果存放要求中的png）
购药发票标注结果示例：（对应标注结果存放要求中的xls。“无”代表图片中未出现该字段，“/”代表图片中出现该字段但没有对应值）
住院发票标注图片示例：（对应标注结果存放要求中的png）
住院发票标注结果示例：（对应标注结果存放要求中的xls。“无”代表图片中未出现该字段，“/”代表图片中出现该字段但没有对应值）
4. 评价标准
准确率：
准确率 = 预测正确数/（预测正确数+预测错误数）
注意：
1）预测值和正确值皆为“无”则判定为“不计入计算”。
2）预测值与正确值完全一致则判定“预测正确”，否则判定“预测错误”。
例：
评估示例如图，预测正确数 = 3，预测错误数 = 4，则准确率为：0.42（准确率）= 3（预测正确）/（3（预测正确数）+4（预测错误数））
5. 训练评测数据
| 数据集 | 简介 |
|---|---|
| 识别训练集 | 真实数据图片及标注结果（所有类型材料总共1000张）（数据类型共四类，每类数量分别为：购药税票：200张；门诊发票：200张；住院发票: 200 张；出院小结: 400张） |
| 识别评估A榜 | 真实数据图片及标注结果（所有类型材料总共）200张 |
| 识别评估B榜 | 真实数据图片及标注结果（所有类型材料总共）500张，其中B榜提交时间会限制在48H内。 |