数据识别方法和装置、存储介质及其对应的电子装置与流程

本发明涉及计算机领域，具体而言，涉及一种数据识别方法和装置、存储介质及其对应的电子装置。

背景技术：

医院里的医护人员往往需要获取通过医疗设备所采集到的患者的病灶影像，在对上述病灶影像进行识别分析后，方可确定出患者所患病症的病因，以针对该病因提供相应的治疗方案。为了提高对上述病灶影像的识别效率，有一部分医院开始应用识别引擎，利用识别引擎中的识别模型对病灶影像进行智能化识别，以得到识别结果。

为了保证上述识别引擎的识别结果的准确性，目前常用的方式是由有经验的医护人员对上述识别引擎的识别结果进行逐条分析校验。但受到医护资源有限的条件限制，随着所要校验的识别结果的数据量的增加，医护人员将无法对识别引擎所输出的全部识别结果及时完成逐条校验，使得识别引擎也将无法根据校验后的识别结果得到及时优化，从而导致识别引擎的识别可靠性降低的问题。

针对上述的问题，目前尚未提出有效的解决方案。

技术实现要素：

本发明实施例提供了一种数据识别方法和装置、存储介质及其对应的电子装置，以至少解决相关技术中识别引擎的识别可靠性低的技术问题。

根据本发明实施例的一个方面，提供了一种数据识别方法，包括：获取预定时间段内对识别引擎的识别结果进行校验所得到的校验结果集合，其中，上述校验结果集合中所包含的每一个校验结果为利用第一诊断结果对第二诊断结果进行校验后所得到的结果，上述第一诊断结果为对待识别的病灶影像数据中所携带的病灶数据进行识别而得到的结果，上述第二诊断结果为通过调用上述识别引擎对上述病灶影像数据进行识别而得到的结果；利用上述校验结果集合确定与上述识别引擎相匹配的引擎识别度；在上述引擎识别度小于第一阈值的情况下，调整上述识别引擎，其中，调整后的上述识别引擎对应的引擎识别度，大于调整前的上述识别引擎对应的引擎识别度；利用调整后的上述识别引擎识别病灶影像数据。

根据本发明实施例的另一方面，还提供了一种数据识别装置，包括：第一获取单元，用于获取预定时间段内对识别引擎的识别结果进行校验所得到的校验结果集合，其中，上述校验结果集合中所包含的每一个校验结果为利用第一诊断结果对第二诊断结果进行校验后所得到的结果，上述第一诊断结果为对待识别的病灶影像数据中所携带的病灶数据进行识别而得到的结果，上述第二诊断结果为通过调用上述识别引擎对上述病灶影像数据进行识别而得到的结果；确定单元，用于利用上述校验结果集合确定与上述识别引擎相匹配的引擎识别度；调整单元，用于在上述引擎识别度小于第一阈值的情况下，调整上述识别引擎，其中，调整后的上述识别引擎对应的引擎识别度，大于调整前的上述识别引擎对应的引擎识别度；识别单元，用于利用调整后的上述识别引擎识别病灶影像数据。

根据本发明实施例的又一方面，还提供了一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述数据识别方法。

根据本发明实施例的又一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，上述处理器通过计算机程序执行上述的数据识别方法。

在本发明实施例中，采用了获取预定时间段内对识别引擎的识别结果进行校验所得到的校验结果集合；利用上述校验结果集合确定与上述识别引擎相匹配的引擎识别度；在上述引擎识别度小于第一阈值的情况下，调整上述识别引擎，其中，调整后的上述识别引擎对应的引擎识别度，大于调整前的上述识别引擎对应的引擎识别度；利用调整后的上述识别引擎识别病灶影像数据的方法，由于在上述方法中，采集了识别引擎的识别结果，并对上述识别结果进行校验得到校验结果集合，以及在校验结果集合确定的引擎识别度小于第一阈值时，对引擎进行调整，从而实现了根据识别引擎的识别结果得到的校验结果集合对识别引擎进行调整的目的，提高了识别引擎的识别准确率，进而解决了相关技术中识别引擎的识别可靠性低的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的一种可选的数据识别方法的应用环境的示意图；

图2是根据本发明实施例的一种可选的数据识别方法的流程示意图；

图3是根据本发明实施例的一种可选的数据识别方法的示意图；

图4是根据本发明实施例的另一种可选的数据识别方法的示意图；

图5是根据本发明实施例的又一种可选的数据识别方法的示意图；

图6是根据本发明实施例的又一种可选的数据识别方法的示意图；

图7是根据本发明实施例的又一种可选的数据识别方法的示意图；

图8是根据本发明实施例的又一种可选的数据识别方法的示意图；

图9是根据本发明实施例的又一种可选的数据识别方法的示意图；

图10是根据本发明实施例的一种可选的数据识别装置的结构示意图；

图11是根据本发明实施例的一种可选的电子装置的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

根据本发明实施例的一个方面，提供了一种数据识别方法，可选地，作为一种可选的实施方式，上述数据识别方法可以但不限于应用于如图1所示的环境中。用户102可以与终端104之间进行交互。终端104包含存储器106、处理器108与识别引擎110。本发明实施例中的识别引擎为智能识别引擎，可以对病灶影像数据进行识别得到第二诊断结果。在获取到第二诊断结果后，终端104将上述第二诊断结果通过网络发送给服务器112，服务器112中包含有数据库114与校验引擎116。数据库114可以用于存储获取到的第二诊断结果。校验引擎116可以用于在获取到第二诊断结果后，根据第一诊断结果对第二诊断结果进行校验，得到校验结果集合。服务器112在获取到校验结果集合后，可以根据校验结果集合获取到识别引擎的引擎识别度。如果上述引擎识别度小于了第一阈值，则服务器112通过步骤s104对识别引擎110进行调整。从而提高识别引擎的引擎识别度。

需要说明的是，相关技术中，在识别引擎对病灶影像进行识别之后，一般是由相关人员对识别结果进行逐条分析校验。而上述方法存在效率低下的问题。无法及时对识别引擎进行调整。而本实施例中，在获取到识别引擎的识别结果后，根据第一诊断结果对第二诊断结果进行校验，从而得到校验结果集合，并根据校验结果集合确定识别引擎的引擎识别度。从而可以根据引擎识别度对识别引擎进行调整。进而提高了对识别引擎进行调整的调整效率。

可选地，上述数据识别方法可以但不限于应用于可以计算数据的终端上，例如手机、平板电脑、笔记本电脑、pc机等终端上，上述网络可以包括但不限于无线网络或有线网络。其中，该无线网络包括：蓝牙及其他实现无线通信的网络。上述有线网络可以包括但不限于：广域网、城域网、局域网。上述服务器可以包括但不限于任何可以进行计算的硬件设备。

可选地，作为一种可选的实施方式，如图2所示，上述数据识别方法包括：

s202，获取预定时间段内对识别引擎的识别结果进行校验所得到的校验结果集合，其中，校验结果集合中所包含的每一个校验结果为利用第一诊断结果对第二诊断结果进行校验后所得到的结果，第一诊断结果为对待识别的病灶影像数据中所携带的病灶数据直接进行识别而得到的结果，第二诊断结果为通过调用识别引擎对病灶影像数据进行识别而得到的结果；

s204，利用校验结果集合确定与识别引擎相匹配的引擎识别度；

s206，在引擎识别度小于第一阈值的情况下，调整识别引擎，其中，调整后的识别引擎对应的引擎识别度，大于调整前的识别引擎对应的引擎识别度；

s208，利用调整后的识别引擎识别病灶影像数据。

可选地，上述数据识别方法可以但不限于应用于优化识别病灶模型领域，或者应用于优化自动诊断模型领域。例如，以优化识别病灶模型领域为例，例如识别引擎为智能识别病灶模型，在使用智能识别病灶模型对病灶影像数据进行识别之后，可以得到第二诊断结果，而第二诊断结果并不一定准确。因此，需要使用准确的第一诊断结果对第二诊断结果进行校验，从而根据校验结果决定是否对智能识别病灶模型进行调整。

需要说明的是，在本申请实施例中，在获取到识别引擎对病灶影像数据进行识别得到的第二诊断结果后，可以根据第一诊断结果对第二诊断结果进行校验，得到校验结果集合，并根据上述校验结果集合确定智能搜索引擎对应的引擎识别度。在上述引擎识别度低于第一阈值时，对上述引擎识别度进行调整，从而达到了根据识别引擎的第二诊断结果对识别引擎进行调整的目的，从而提高了对识别引擎进行调整的效率。以及提高了识别引擎的识别准确率。

可选地，上述识别引擎可以但不限于为神经网络模型，上述神经网络模型为一种可以对数据进行学习的智能模型。通过输入样本数据对上述神经网络模型进行训练，以使上述神经网络模型具备识别或者判断能力。

可选地，如图3所示，识别引擎302对病灶影像数据304进行识别后，得到第二诊断结果306，在获取到第二诊断结果306后，使用第一诊断结果对上述第二诊断结果306进行校验，得到校验结果集合308。根据校验结果集合308确定引擎识别度310，并根据引擎识别度310决定是否对识别引擎302进行调整。

可选地，上述第一诊断结果与第二诊断结果可以但不限于为任何病症或者病灶或者医学用语，可以但不限于以文字或者图像或者视频或者三者组合的形式表示。上述病灶影像数据可以有一份或者多份。

可选地，在识别引擎对病灶影像数据进行识别时，可以对一张病灶影像数据进行识别，得到第二诊断结果，或者同时对多份病灶影像数据进行识别，得到第二诊断结果。可选地，上述引擎识别度可以但不限于为识别引擎识别病灶影像数据的准确度，可选地，上述引擎识别度可以但不限于使用百分制或者分数或者小数进行表示。

以下以上述第一诊断结果与第二诊断结果以文字形式保存、引擎识别度以百分制表示对上述数据识别方法进行说明。

智能识别设备获取到病灶影像数据后，对上述病灶影像数据进行识别，得到第二诊断结果。例如，第二诊断结果为：阑尾炎。同时，获取到对上述多份病灶影像数据进行识别得到的第一诊断结果。例如，第一诊断结果为癌症，则根据第一诊断结果对第二诊断结果进行校验，得到识别引擎的引擎识别度为0％。低于了第一阈值，例如第一阈值为90％。则对识别引擎进行调整，调整后的识别引擎的引擎识别度要大于调整之前的引擎识别度。

可选地，在确定识别引擎的引擎识别度时，可以但不限于根据校验结果集合确定与识别引擎相匹配的校验异常参数和校正参数，其中，校验异常参数用于指示在校验结果集合中校验结果指示校验失败的结果数量，校正参数用于指示根据校验结果已完成校正的诊断结果的结果数量；利用校验异常参数和校正参数，确定引擎识别度。

可选地，上述根据校验结果集合确定校验异常参数包括：获取识别引擎未识别得到第二诊断结果的结果数量，作为校验异常参数；上述根据校验结果集合确定校正参数包括：获取第一诊断结果中被校正过的诊断结果的结果数量，作为校正参数。

例如，继续结合上述引擎识别度以百分制表示的情况进行说明。在识别引擎对病灶影响数据进行识别得到第二诊断结果为阑尾炎后，采用得到的第一诊断结果癌症对上述阑尾炎进行校验，校验后得知本次识别失败。若第二诊断结果为阑尾炎，第一诊断结果为阑尾炎，则校验后得知本次识别成功。将识别失败的情况的数量作为校验异常参数。同时，由于第一诊断结果可能有误差，因此，将被校正后的第一诊断结果的数量作为校正参数。

可选地，校正参数可以但不限于通过专业医务人员对第一诊断结果进行校正，从而将被校正的第一诊断结果的数量作为校正参数。

例如，如图4所示，在终端的显示界面上显示有第一诊断结果，专业医务人员可以通过终端，对上述第一诊断结果进行判断，判断上述第一诊断结果是否正确。若上述第一诊断结果不正确，则需要对上述第一诊断结果进行校正。将校正后的第一诊断结果的数量作为校正参数。

可选地，在对第一诊断结果进行校正时，可以采用如下至少一种方法：

(1)获取专业医务人员输入的信息，将上述信息作为校正后的第一诊断结果并保存。

(2)显示多个与病灶影像数据对应的病灶类型，并在获取到专业医务人员选择的病灶类型后，将上述选择的病灶类型作为校正后的第一诊断结果。

可选地，上述病灶类型可以但不限于以文字、图像、视频的形式显示。

例如，如图5所示，图5在终端的显示界面上显示有多个病灶类型与一个第一诊断结果。专业医务人员可以选择其中的一个病灶类型或者选择输入一个病灶类型，终端将接收到的病灶类型作为校正后的第一诊断结果。

可选地，上述引擎识别度可以通过以下公式获取：

引擎识别度＝(校验结果集合的结果总数-校验异常参数-校正参数)/校验结果集合的结果总数

可选地，上述第一诊断结果可以通过以下方法获取：

(1)在从病灶数据中包含的病灶报告中识别出用于指示第一诊断结果的目标字段的情况下，获取目标字段以确定第一诊断结果。

(2)在未获取到目标字段的情况下，将病灶数据中包含的病灶影像分发给目标账号，以获取目标账号返回的第一诊断结果。

可选地，病灶报告用于描述病灶影像数据中所携带的病灶影像，诊断结果用于指示病灶匹配的病症病因。

可选地，上述从病灶数据中包含的病灶报告中识别出用于指示第一诊断结果的目标字段包括：从病灶报告中识别出对象字段；将对象字段与数据库中存储的关键字段集进行比对，其中，关键字段集中所包含的每一个关键字段分别用于指示一种诊断结果；在关键字段集中查找到与对象字段相匹配的关键字段的情况下，将对象字段作为目标字段，并将与对象字段相匹配的关键字段所指示的诊断结果，作为与目标字段对应的第一诊断结果。

可选地，上述从病灶报告中识别出对象字段可以为，从病灶报告中识别出专有病灶名的情况下，将上述病灶名作为对象字段，并与存储的关键字段集进行对比；在从病灶报告中识别出疾病名的情况下，将上述疾病名作为对象字段，并与存储的关键字段集进行对比；在从病灶报告中识别出与疾病名对应的固定描述后，将与上述固定描述对应的疾病名作为对象字段，并与存储的关键字段集进行对比。

例如，以上述对象字段为“办公室高发病”，第一诊断结果为“颈椎病”为例，在识别出上述“办公室高发病”后，由于上述“办公室高发病”为固定描述，且在关键字段集中查找到上述“办公室高发病”后，将与上述“办公室高发病”对应的“颈椎病”作为第一诊断结果。

以下结合图6，对上述数据识别方法进行说明。如图6所示，在医院获取到病灶影像数据后，将病灶影像数据发送给影像筛查平台606，影像筛查平台606在获取到上述病灶影像数据后，通过步骤s602判断是否识别得到第一诊断结果，若得到，则通过步骤s604判断是否需要对第一诊断结果进行校正。若不需要校正第一诊断结果，则通过第一诊断结果通过步骤s606对第二诊断结果进行校验。并获取校验异常参数。如果未得到第一诊断结果或者需要对第一诊断结果进行校正，则将病灶影像数据发送给目标账号608，由目标账号608完成对第一诊断结果的校正。并获取校正参数。通过步骤s608并根据校验异常参数与校正参数获取到计算引擎识别度，并根据计算引擎识别度决定是否对识别引擎604进行调整。

通过本实施例，在获取到识别引擎对病灶影像数据进行识别得到的第二诊断结果后，可以根据第一诊断结果对第二诊断结果进行校验，得到校验结果集合，并根据上述校验结果集合确定智能搜索引擎对应的引擎识别度。在上述引擎识别度低于第一阈值时，对上述引擎识别度进行调整，从而达到了根据识别引擎的第二诊断结果对识别引擎进行调整的目的，从而提高了对识别引擎进行调整的效率。以及提高了识别引擎的识别准确率。

作为一种可选的实施方案，利用校验结果集合确定与识别引擎相匹配的引擎识别度包括：

s1，根据校验结果集合确定与识别引擎相匹配的校验异常参数和校正参数，其中，校验异常参数用于指示在校验结果集合中校验结果指示校验失败的结果数量，校正参数用于指示根据校验结果已完成校正的诊断结果的结果数量；

s2，利用校验异常参数和校正参数，确定引擎识别度。

例如，以识别引擎识别10份病灶影像数据为例，如图7所示，图7为一种可选的对识别引擎的识别结果进行校验后得到的校验结果集合。其中，通过使用第一诊断结果对识别引擎所识别出的识别结果1到识别结果10进行校验，得到校验结果，可以确定识别引擎的识别正确的数量与识别错误的数量。因为识别结果1与识别结果5错误，因此，识别引擎需要将识别错误的情况去除。同时，由于第一诊断结果同样有可能出现错误，因此，需要对第一诊断结果进行校正。如图8所示，第一诊断结果3被校正，则表示第一诊断结果3不正确。因此，图7中的识别结果3即使正确，也是存在错误的。需要将上述被校正的情况去除。最后得到的就是识别引擎识别正确的情况。引擎识别度为70％。

通过本实施例，通过根据校验异常参数和校正参数来确定识别引擎的引擎识别度，从而可以准确得到识别引擎的引擎识别度，进而决定是否对识别引擎进行调整，保证了识别引擎的识别结果的准确度。

作为一种可选的实施方案，根据校验结果集合确定与识别引擎相匹配的校验异常参数和校正参数包括：

s1，获取识别引擎未识别得到第二诊断结果的结果数量，作为校验异常参数；

s2，获取第一诊断结果中被校正过的诊断结果的结果数量，作为校正参数。

可选地，上述未识别出第二诊断结果的结果数量可以为识别过程中识别引擎没有输出识别结果的情况的数量，或者为识别引擎输出错误结果的情况的数量。

例如，识别引擎识别了10份病灶影像数据，对其中的两份病灶影像数据进行识别后，未输出识别结果，则认为识别引擎的校验异常参数为2。而第一诊断结果被校正了3次，则认为校正参数为3。

通过本实施例，通过将智能识别设备未识别出的第二诊断结果的结果数量，作为校验异常参数，将第一诊断结果被校正的结果数量，作为校正参数，从而可以准确得到识别引擎的引擎识别度，进而决定是否对识别引擎进行调整，保证了识别引擎的识别结果的准确度。

作为一种可选的实施方案，利用校验异常参数和校正参数，确定引擎识别度包括：

s1，将校验异常参数和校正参数进行求和处理，得到二者的和值；

s2，获取校验结果集合中的结果总数与和值之间的差值；

s3，获取差值与结果总数的比值，作为引擎识别度。

例如，在获取到校验异常参数与校正参数后，可以通过以下公式获取引擎识别度：

引擎识别度＝(校验结果集合的结果总数-校验异常参数-校正参数)/校验结果集合的结果总数

由于在智能识别设备对病灶影像数据进行识别的过程中，有可能产生错误。因此，将识别错误的情况去除，再将专业医务人员校正的情况去除，则得到智能识别设备识别正确的情况。在根据识别正确的情况与校验结果集合的总数做比，得到引擎识别度。

通过本实施例，根据如上公式计算引擎识别度，从而可以准确地到识别引擎的引擎识别度，进而决定是否对识别引擎进行调整，保证了识别引擎的识别结果的准确度。

作为一种可选的实施方案，调整识别引擎包括：

s1，利用已完成校正的诊断结果，调整识别引擎。

例如，获取到被校正的第一诊断结果后，将上述第一诊断结果与对应的病灶影像数据发送给识别引擎，由识别引擎识别并保存第一诊断结果，再次识别到与上述保存的病灶影像数据相同或者相似度大于预定阈值的病灶影像数据后，可以直接将与上述保存的病灶影像数据对应的第一诊断结果确定为第二诊断结果。

通过本实施例，通过已完成校正的诊断结果调整识别引擎，从而可以提高智能识别结果的引擎识别度，提高了识别引擎的识别效率。

作为一种可选的实施方案，在获取预定时间段内对识别引擎的识别结果进行校验所得到的校验结果集合之前，还包括：

s1，获取识别引擎对病灶影像数据进行识别而得到的第二诊断结果；

s2，获取对病灶影像数据中所携带的病灶数据进行识别所得到的第一诊断结果，其中，在从病灶数据中包含的病灶报告中识别出用于指示第一诊断结果的目标字段的情况下，获取目标字段以确定第一诊断结果；在未获取到目标字段的情况下，将病灶数据中包含的病灶影像分发给目标账号，以获取目标账号返回的第一诊断结果；

s3，比对第一诊断结果及第二诊断结果，得到与病灶影像数据相匹配的校验结果。

例如，以上述第一诊断结果为“癌症”为例，在获取到病灶报告之后，病灶报告中有“癌细胞扩散”等字样，则可以确定上述第一诊断结果为癌症。或者，在获取到病灶报告之后，将病灶报告发送给专业医务人员的终端上，例如，终端上可以显示有如图5所示的按钮，以使专业医务人员选择或者输入病灶类型，以根据病灶类型获取第一诊断结果。

通过本实施例，通过以上方式获取到第一诊断结果，从而保证了第一诊断结果的准确性，进而根据第一诊断结果对第二诊断结果进行验证，以决定是否对识别引擎进行调整，从而提高了对识别引擎进行校验的效率。

作为一种可选的实施方案，获取对病灶影像数据中所携带的病灶数据进行识别所得到的第一诊断结果包括：

s1，从病灶报告中识别出对象字段；

s2，将对象字段与数据库中存储的关键字段集进行比对，其中，关键字段集中所包含的每一个关键字段分别用于指示一种诊断结果；

s3，在关键字段集中查找到与对象字段相匹配的关键字段的情况下，将对象字段作为目标字段，并将与对象字段相匹配的关键字段所指示的诊断结果，作为与目标字段对应的第一诊断结果。

例如，在获取到病灶报告后，对病灶报告进行识别，识别出对象字段为“癌细胞扩散”。则在数据库中查找是否保存有“癌细胞扩散”这一对象字段。若有，则将“癌细胞扩散”作为目标字段，并获取与该目标字段对应的诊断结果“癌症”作为第一诊断结果。

通过本实施例，通过从数据库中查找到对象字段的情况下，将对象字段确定为目标字段，从而可以保证获取到的第一诊断对象的准确性。进而决定是否对识别引擎进行调整，从而提高了对识别引擎进行校验的效率。

作为一种可选的实施方案，从病灶报告中识别出对象字段包括：

(1)在病灶报告为文本格式报告的情况下，对病灶报告进行文本提取，得到对象字段。

(2)在病灶报告为图像格式报告的情况下，通过字符识别方式将病灶报告转换为病灶文本；对病灶文本执行分词校验操作，得到校验后的病灶文本；从校验后的病灶文本中获取对象字段。

可选地，上述对病灶报告进行文本提取，得到对象字段可以但不限于为对提取的文本进行分词，得到分词结果，并将上述分词结果与预设的词库进行比对，在预设词库中包含上述分词结果时，将上述分词结果作为对象字段。

可选地，上述字符识别(opticalcharacterrecognition，简称为ocr)为一种对图像上的文字进行提取的方法。例如，上述字符识别可以但不限于包括光学字符识别等。在获取到病灶报告后，通过光学字符识别的方式提取病灶报告中的病灶文本，并保存病灶文本。

可选地，上述对象字段可以但不限于为病症名称或者对病症的描述信息。例如，可以但不限于为“炎症”、“骨折”、“胸腔积液”等内容。在对病灶报告进行字符识别得到病灶文本后，对病灶文本进行分词，并提取出“骨折”字段。

通过本实施例，通过上述方法获取对象字段，从而可以根据获取到的对象字段决定第一诊断结果，进而根据第一诊断结果决定是否对识别引擎进行调整，从而提高了对识别引擎进行校验的效率。

作为一种可选的实施方案，获取对病灶影像数据中所携带的病灶数据直接进行识别所得到的第一诊断结果包括：

s1，在未获取到目标字段的情况下，确定出目标账号，其中，未获取到目标字段的情况包括以下之一：病灶数据中未包含病灶报告、在关键字段集中未查找到与对象字段相匹配的关键字段；

s2，将病灶影像发送给目标账号，以使目标账号根据病灶影像确定第一诊断结果；

s3，获取目标账号所返回的第一诊断结果。

例如，在为查找到关键字段或者病灶数据中不包含病灶报告的情况下，无法根据病灶数据获取到第一诊断结果，无法完成对第二诊断结果的校验。此时，将病灶影像数据发送给目标账号所在的终端，可选地，如图5所示为一种可选的终端显示界面。将专业医务人员所输入或者选择的结果作为第一诊断结果。

通过本实施例，通过将病灶影像数据发送给目标账号从而获取到第一诊断结果，从而可以根据第一诊断结果对第二诊断结果进行验证，从而提高了对识别引擎进行校验的效率。

作为一种可选的实施方案，确定出目标账号包括：

s1，根据病灶影像数据确定病灶类型；

s2，从在线账号中获取与病灶类型相匹配的空闲账号；

s3，根据账号优先级从空闲账号中确定出目标账号，其中，账号优先级根据账号经验值确定。

可选地，上述从在线账号中获取与病灶类型相匹配空闲账号可以但不限于为每一个在线账号设置一个或者多个标签，每一种标签与一种或者多种病灶类型对应。在获取到病灶类型后，根据上述病灶类型与标签的对应关系，找到与上述标签对应的在线账号，并从在线账号中选择空闲账号。

例如如图9所示，图9为与病灶类型匹配的空闲账号的账号列表，在确定出病灶类型为耳鼻喉科后，在耳鼻喉科相对应的多个账号中显示出空闲账号，并从空闲账号中确定出目标账号。

本实施例中，在确定空闲账号时，由于需要区分空闲与非空闲账号，因此，需要对在线账号的状态进行判断。

上述空闲账号可以但不限于为正处于空闲状态的在线账号。可选地，上述空闲状态可以通过手动设置或者通过在线账号当前的状态确定。例如，专业医务人员手动设置当前的状态为空闲状态或者非空闲状态，或者若专业医务人员正在进行病灶类型的确认或者正在进行第一诊断结果的校验，则认为专业医务人员对应的在线账号处于非空闲状态，若使用当前账号的专业医务人员当前并未在工作，则确定当前账号处于空闲状态。

通过本实施例，通过从在线账号中与病灶类型匹配的空闲账号中获取目标账号，从而可以在无法判断第一诊断结果时，由与病灶类型匹配的目标账号对病灶类型进行判断，得到第一诊断结果，进而可以根据第一诊断结果对第二诊断结果进行验证，提高了对识别引擎进行校验的效率。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。

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根据上述实施例的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，本发明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，或者网络设备等)执行本发明各个实施例的方法。

根据本发明实施例的另一个方面，还提供了一种用于实施上述数据识别方法的数据识别装置。如图10所示，该装置包括：

(1)第一获取单元1002，用于获取预定时间段内对识别引擎的识别结果进行校验所得到的校验结果集合，其中，校验结果集合中所包含的每一个校验结果为利用第一诊断结果对第二诊断结果进行校验后所得到的结果，第一诊断结果为对待识别的病灶影像数据中所携带的病灶数据进行识别而得到的结果，第二诊断结果为通过调用识别引擎对病灶影像数据进行识别而得到的结果；

(2)确定单元1004，用于利用校验结果集合确定与识别引擎相匹配的引擎识别度；

(3)调整单元1006，用于在引擎识别度小于第一阈值的情况下，调整识别引擎，其中，调整后的识别引擎对应的引擎识别度，大于调整前的识别引擎对应的引擎识别度；

(4)识别单元1008，用于利用调整后的识别引擎识别病灶影像数据。

可选地，上述数据识别方法可以但不限于应用于优化识别病灶模型领域，或者应用于优化自动诊断模型领域。例如，以优化识别病灶模型领域为例，例如识别引擎为智能识别病灶模型，在使用智能识别病灶模型对病灶影像数据进行识别之后，可以得到第二诊断结果，而第二诊断结果并不一定准确。因此，需要使用准确的第一诊断结果对第二诊断结果进行校验，从而根据校验结果决定是否对智能识别病灶模型进行调整。

需要说明的是，在本申请实施例中，在获取到识别引擎对病灶影像数据进行识别得到的第二诊断结果后，可以根据第一诊断结果对第二诊断结果进行校验，得到校验结果集合，并根据上述校验结果集合确定智能搜索引擎对应的引擎识别度。在上述引擎识别度低于第一阈值时，对上述引擎识别度进行调整，从而达到了根据识别引擎的第二诊断结果对识别引擎进行调整的目的，从而提高了对识别引擎进行调整的效率。以及提高了识别引擎的识别准确率。

可选地，上述识别引擎可以但不限于为神经网络模型，上述神经网络模型为一种可以对数据进行学习的智能模型。通过输入样本数据对上述神经网络模型进行训练，以使上述神经网络模型具备识别或者判断能力。

可选地，如图3所示，识别引擎302对病灶影像数据304进行识别后，得到第二诊断结果306，在获取到第二诊断结果306后，使用第一诊断结果对上述第二诊断结果306进行校验，得到校验结果集合308。根据校验结果集合308确定引擎识别度310，并根据引擎识别度310决定是否对识别引擎302进行调整。

可选地，上述第一诊断结果与第二诊断结果可以但不限于为任何病症或者病灶或者医学用语，可以但不限于以文字或者图像或者视频或者三者组合的形式表示。上述病灶影像数据可以有一份或者多份。

可选地，在识别引擎对病灶影像数据进行识别时，可以对一张病灶影像数据进行识别，得到第二诊断结果，或者同时对多份病灶影像数据进行识别，得到第二诊断结果。可选地，上述引擎识别度可以但不限于为识别引擎识别病灶影像数据的准确度，可选地，上述引擎识别度可以但不限于使用百分制或者分数或者小数进行表示。

以下以上述第一诊断结果与第二诊断结果以文字形式保存、引擎识别度以百分制表示对上述数据识别方法进行说明。

智能识别设备获取到病灶影像数据后，对上述病灶影像数据进行识别，得到第二诊断结果。例如，第二诊断结果为：阑尾炎。同时，获取到对上述多份病灶影像数据进行识别得到的第一诊断结果。例如，第一诊断结果为癌症，则根据第一诊断结果对第二诊断结果进行校验，得到识别引擎的引擎识别度为0％。低于了第一阈值，例如第一阈值为90％。则对识别引擎进行调整，调整后的识别引擎的引擎识别度要大于调整之前的引擎识别度。

可选地，在确定识别引擎的引擎识别度时，可以但不限于根据校验结果集合确定与识别引擎相匹配的校验异常参数和校正参数，其中，校验异常参数用于指示在校验结果集合中校验结果指示校验失败的结果数量，校正参数用于指示根据校验结果已完成校正的诊断结果的结果数量；利用校验异常参数和校正参数，确定引擎识别度。

可选地，上述根据校验结果集合确定校验异常参数包括：获取识别引擎未识别得到第二诊断结果的结果数量，作为校验异常参数；上述根据校验结果集合确定校正参数包括：获取第一诊断结果中被校正过的诊断结果的结果数量，作为校正参数。

例如，继续结合上述引擎识别度以百分制表示的情况进行说明。在识别引擎对病灶影响数据进行识别得到第二诊断结果为阑尾炎后，采用得到的第一诊断结果癌症对上述阑尾炎进行校验，校验后得知本次识别失败。若第二诊断结果为阑尾炎，第一诊断结果为阑尾炎，则校验后得知本次识别成功。将识别失败的情况的数量作为校验异常参数。同时，由于第一诊断结果可能有误差，因此，将被校正后的第一诊断结果的数量作为校正参数。

可选地，校正参数可以但不限于通过专业医务人员对第一诊断结果进行校正，从而将被校正的第一诊断结果的数量作为校正参数。

例如，如图4所示，在终端的显示界面上显示有第一诊断结果，专业医务人员可以通过终端，对上述第一诊断结果进行判断，判断上述第一诊断结果是否正确。若上述第一诊断结果不正确，则需要对上述第一诊断结果进行校正。将校正后的第一诊断结果的数量作为校正参数。

可选地，在对第一诊断结果进行校正时，可以采用如下至少一种方法：

(1)获取专业医务人员输入的信息，将上述信息作为校正后的第一诊断结果并保存。

(2)显示多个与病灶影像数据对应的病灶类型，并在获取到专业医务人员选择的病灶类型后，将上述选择的病灶类型作为校正后的第一诊断结果。

可选地，上述病灶类型可以但不限于以文字、图像、视频的形式显示。

例如，如图5所示，图5在终端的显示界面上显示有多个病灶类型与一个第一诊断结果。专业医务人员可以选择其中的一个病灶类型或者选择输入一个病灶类型，终端将接收到的病灶类型作为校正后的第一诊断结果。

可选地，上述引擎识别度可以通过以下公式获取：

引擎识别度＝(校验结果集合的结果总数-校验异常参数-校正参数)/校验结果集合的结果总数

可选地，上述第一诊断结果可以通过以下方法获取：

(1)在从病灶数据中包含的病灶报告中识别出用于指示第一诊断结果的目标字段的情况下，获取目标字段以确定第一诊断结果。

(2)在未获取到目标字段的情况下，将病灶数据中包含的病灶影像分发给目标账号，以获取目标账号返回的第一诊断结果。

可选地，病灶报告用于描述病灶影像数据中所携带的病灶影像，诊断结果用于指示病灶匹配的病症病因。

可选地，上述从病灶数据中包含的病灶报告中识别出用于指示第一诊断结果的目标字段包括：从病灶报告中识别出对象字段；将对象字段与数据库中存储的关键字段集进行比对，其中，关键字段集中所包含的每一个关键字段分别用于指示一种诊断结果；在关键字段集中查找到与对象字段相匹配的关键字段的情况下，将对象字段作为目标字段，并将与对象字段相匹配的关键字段所指示的诊断结果，作为与目标字段对应的第一诊断结果。

可选地，上述从病灶报告中识别出对象字段可以为，从病灶报告中识别出专有病灶名的情况下，将上述病灶名作为对象字段，并与存储的关键字段集进行对比；在从病灶报告中识别出疾病名的情况下，将上述疾病名作为对象字段，并与存储的关键字段集进行对比；在从病灶报告中识别出与疾病名对应的固定描述后，将与上述固定描述对应的疾病名作为对象字段，并与存储的关键字段集进行对比。

例如，以上述对象字段为“办公室高发病”，第一诊断结果为“颈椎病”为例，在识别出上述“办公室高发病”后，由于上述“办公室高发病”为固定描述，且在关键字段集中查找到上述“办公室高发病”后，将与上述“办公室高发病”对应的“颈椎病”作为第一诊断结果。

以下结合图6，对上述数据识别方法进行说明。如图6所示，在医院获取到病灶影像数据后，将病灶影像数据发送给影像筛查平台606，影像筛查平台606在获取到上述病灶影像数据后，通过步骤s602判断是否识别得到第一诊断结果，若得到，则通过步骤s604判断是否需要对第一诊断结果进行校正。若不需要校正第一诊断结果，则通过第一诊断结果通过步骤s606对第二诊断结果进行校验。并获取校验异常参数。如果未得到第一诊断结果或者需要对第一诊断结果进行校正，则将病灶影像数据发送给目标账号608，由目标账号608完成对第一诊断结果的校正。并获取校正参数。通过步骤s608并根据校验异常参数与校正参数获取到计算引擎识别度，并根据计算引擎识别度决定是否对识别引擎604进行调整。

通过本实施例，在获取到识别引擎对病灶影像数据进行识别得到的第二诊断结果后，可以根据第一诊断结果对第二诊断结果进行校验，得到校验结果集合，并根据上述校验结果集合确定智能搜索引擎对应的引擎识别度。在上述引擎识别度低于第一阈值时，对上述引擎识别度进行调整，从而达到了根据识别引擎的第二诊断结果对识别引擎进行调整的目的，从而提高了对识别引擎进行调整的效率。以及提高了识别引擎的识别准确率。

作为一种可选的实施方案，上述确定单元1004包括：

(1)第一确定模块，用于根据校验结果集合确定与识别引擎相匹配的校验异常参数和校正参数，其中，校验异常参数用于指示在校验结果集合中校验结果指示校验失败的结果数量，校正参数用于指示根据校验结果已完成校正的诊断结果的结果数量；

(2)第二确定模块，用于利用校验异常参数和校正参数，确定引擎识别度。

例如，以识别引擎识别10份病灶影像数据为例，如图7所示，图7为一种可选的对识别引擎的识别结果进行校验后得到的校验结果集合。其中，通过使用第一诊断结果对识别引擎所识别出的识别结果1到识别结果10进行校验，得到校验结果，可以确定识别引擎的识别正确的数量与识别错误的数量。因为识别结果1与识别结果5错误，因此，识别引擎需要将识别错误的情况去除。同时，由于第一诊断结果同样有可能出现错误，因此，需要对第一诊断结果进行校正。如图8所示，第一诊断结果3被校正，则表示第一诊断结果3不正确。因此，图7中的识别结果3即使正确，也是存在错误的。需要将上述被校正的情况去除。最后得到的就是识别引擎识别正确的情况。引擎识别度为70％。

通过本实施例，通过根据校验异常参数和校正参数来确定识别引擎的引擎识别度，从而可以准确得到识别引擎的引擎识别度，进而决定是否对识别引擎进行调整，保证了识别引擎的识别结果的准确度。

作为一种可选的实施方案，上述第一确定模块包括：

(1)第一获取子模块，用于获取识别引擎未识别得到第二诊断结果的结果数量，作为校验异常参数；

(2)第二获取子模块，用于获取第一诊断结果中被校正过的诊断结果的结果数量，作为校正参数。

可选地，上述未识别出第二诊断结果的结果数量可以为识别过程中识别引擎没有输出识别结果的情况的数量，或者为识别引擎输出错误结果的情况的数量。

例如，识别引擎识别了10份病灶影像数据，对其中的两份病灶影像数据进行识别后，未输出识别结果，则认为识别引擎的校验异常参数为2。而第一诊断结果被校正了3次，则认为校正参数为3。

通过本实施例，通过将智能识别设备未识别出的第二诊断结果的结果数量，作为校验异常参数，将第一诊断结果被校正的结果数量，作为校正参数，从而可以准确得到识别引擎的引擎识别度，进而决定是否对识别引擎进行调整，保证了识别引擎的识别结果的准确度。

作为一种可选的实施方案，上述第二确定模块包括：

(1)求和子模块，用于将校验异常参数和校正参数进行求和处理，得到二者的和值；

(2)第三获取子模块，用于获取校验结果集合中的结果总数与和值之间的差值；

(3)第四获取子模块，用于获取差值与结果总数的比值，作为引擎识别度。

例如，在获取到校验异常参数与校正参数后，可以通过以下公式获取引擎识别度：

引擎识别度＝(校验结果集合的结果总数-校验异常参数-校正参数)/校验结果集合的结果总数

由于在智能识别设备对病灶影像数据进行识别的过程中，有可能产生错误。因此，将识别错误的情况去除，再将专业医务人员校正的情况去除，则得到智能识别设备识别正确的情况。在根据识别正确的情况与校验结果集合的总数做比，得到引擎识别度。

通过本实施例，根据如上公式计算引擎识别度，从而可以准确地到识别引擎的引擎识别度，进而决定是否对识别引擎进行调整，保证了识别引擎的识别结果的准确度。

作为一种可选的实施方案，上述调整单元1006包括：

(1)调整模块，用于利用已完成校正的诊断结果，调整识别引擎。

例如，获取到被校正的第一诊断结果后，将上述第一诊断结果与对应的病灶影像数据发送给识别引擎，由识别引擎识别并保存第一诊断结果，再次识别到与上述保存的病灶影像数据相同或者相似度大于预定阈值的病灶影像数据后，可以直接将与上述保存的病灶影像数据对应的第一诊断结果确定为第二诊断结果。

通过本实施例，通过已完成校正的诊断结果调整识别引擎，从而可以提高智能识别结果的引擎识别度，提高了识别引擎的识别效率。

作为一种可选的实施方案，上述装置还包括：

(1)第二获取单元，用于在获取预定时间段内对识别引擎的识别结果进行校验所得到的校验结果集合之前，获取识别引擎对病灶影像数据进行识别而得到的第二诊断结果；

(2)第三获取单元，用于获取对病灶影像数据中所携带的病灶数据进行识别所得到的第一诊断结果，其中，在从病灶数据中包含的病灶报告中识别出用于指示第一诊断结果的目标字段的情况下，获取目标字段以确定第一诊断结果；在未获取到目标字段的情况下，将病灶数据中包含的病灶影像分发给目标账号，以获取目标账号返回的第一诊断结果；

(3)比对单元，用于比对第一诊断结果及第二诊断结果，得到与病灶影像数据相匹配的校验结果。

例如，以上述第一诊断结果为“癌症”为例，在获取到病灶报告之后，病灶报告中有“癌细胞扩散”等字样，则可以确定上述第一诊断结果为癌症。或者，在获取到病灶报告之后，将病灶报告发送给专业医务人员的终端上，例如，终端上可以显示有如图5所示的按钮，以使专业医务人员选择或者输入病灶类型，以根据病灶类型获取第一诊断结果。

通过本实施例，通过以上方式获取到第一诊断结果，从而保证了第一诊断结果的准确性，进而根据第一诊断结果对第二诊断结果进行验证，以决定是否对识别引擎进行调整，从而提高了对识别引擎进行校验的效率。

作为一种可选的实施方案，上述第三获取单元包括：

(1)识别模块，用于从病灶报告中识别出对象字段；

(2)比对模块，用于将对象字段与数据库中存储的关键字段集进行比对，其中，关键字段集中所包含的每一个关键字段分别用于指示一种诊断结果；

(3)第三确定模块，用于在关键字段集中查找到与对象字段相匹配的关键字段的情况下，将对象字段作为目标字段，并将与对象字段相匹配的关键字段所指示的诊断结果，作为与目标字段对应的第一诊断结果。

例如，在获取到病灶报告后，对病灶报告进行识别，识别出对象字段为“癌细胞扩散”。则在数据库中查找是否保存有“癌细胞扩散”这一对象字段。若有，则将“癌细胞扩散”作为目标字段，并获取与该目标字段对应的诊断结果“癌症”作为第一诊断结果。

通过本实施例，通过从数据库中查找到对象字段的情况下，将对象字段确定为目标字段，从而可以保证获取到的第一诊断对象的准确性。进而决定是否对识别引擎进行调整，从而提高了对识别引擎进行校验的效率。

作为一种可选的实施方案，上述识别模块包括：

(1)提取子模块，用于在病灶报告为文本格式报告的情况下，对病灶报告进行文本提取，得到对象字段；或者

(2)转换子模块，用于在病灶报告为图像格式报告的情况下，通过字符识别方式将病灶报告转换为病灶文本；对病灶文本执行分词校验操作，得到校验后的病灶文本；从校验后的病灶文本中获取对象字段。

可选地，上述对病灶报告进行文本提取，得到对象字段可以但不限于为对提取的文本进行分词，得到分词结果，并将上述分词结果与预设的词库进行比对，在预设词库中包含上述分词结果时，将上述分词结果作为对象字段。

可选地，上述字符识别(opticalcharacterrecognition，简称为ocr)为一种对图像上的文字进行提取的方法。例如，上述字符识别可以但不限于包括光学字符识别等。在获取到病灶报告后，通过光学字符识别的方式提取病灶报告中的病灶文本，并保存病灶文本。

可选地，上述对象字段可以但不限于为病症名称或者对病症的描述信息。例如，可以但不限于为“炎症”、“骨折”、“胸腔积液”等内容。在对病灶报告进行字符识别得到病灶文本后，对病灶文本进行分词，并提取出“骨折”字段。

通过本实施例，通过上述方法获取对象字段，从而可以根据获取到的对象字段决定第一诊断结果，进而根据第一诊断结果决定是否对识别引擎进行调整，从而提高了对识别引擎进行校验的效率。

作为一种可选的实施方案，上述第三获取单元包括：

(1)第四确定模块，用于在未获取到目标字段的情况下，确定出目标账号，其中，未获取到目标字段的情况包括以下之一：病灶数据中未包含病灶报告、在关键字段集中未查找到与对象字段相匹配的关键字段；

(2)发送模块，用于将病灶影像发送给目标账号，以使目标账号根据病灶影像确定第一诊断结果；

(3)获取模块，用于获取目标账号所返回的第一诊断结果。

例如，在为查找到关键字段或者病灶数据中不包含病灶报告的情况下，无法根据病灶数据获取到第一诊断结果，无法完成对第二诊断结果的校验。此时，将病灶影像数据发送给目标账号所在的终端，可选地，如图5所示为一种可选的终端显示界面。将专业医务人员所输入或者选择的结果作为第一诊断结果。

通过本实施例，通过将病灶影像数据发送给目标账号从而获取到第一诊断结果，从而可以根据第一诊断结果对第二诊断结果进行验证，从而提高了对识别引擎进行校验的效率。

作为一种可选的实施方案，上述第四确定模块包括：

(1)第一确定子模块，用于根据病灶影像数据确定病灶类型；

(2)第五获取子模块，用于从在线账号中获取与病灶类型相匹配的空闲账号；

(3)第二确定子模块，用于根据账号优先级从空闲账号中确定出目标账号，其中，账号优先级根据账号经验值确定。

可选地，上述从在线账号中获取与病灶类型相匹配空闲账号可以但不限于为每一个在线账号设置一个或者多个标签，每一种标签与一种或者多种病灶类型对应。在获取到病灶类型后，根据上述病灶类型与标签的对应关系，找到与上述标签对应的在线账号，并从在线账号中选择空闲账号。

例如如图9所示，图9为与病灶类型匹配的空闲账号的账号列表，在确定出病灶类型为耳鼻喉科后，在耳鼻喉科相对应的多个账号中显示出空闲账号，并从空闲账号中确定出目标账号。

可选地，在确定空闲账号时，由于需要区分空闲与非空闲账号，因此，需要对在线账号的状态进行判断。

可选地，上述空闲账号可以但不限于为正处于空闲状态的在线账号。可选地，上述空闲状态可以通过手动设置或者通过在线账号当前的状态确定。例如，专业医务人员手动设置当前的状态为空闲状态或者非空闲状态，或者若专业医务人员正在进行病灶类型的确认或者正在进行第一诊断结果的校验，则认为专业医务人员对应的在线账号处于非空闲状态，若使用当前账号的专业医务人员当前并未在工作，则确定当前账号处于空闲状态。

通过本实施例，通过从在线账号中与病灶类型匹配的空闲账号中获取目标账号，从而可以在无法判断第一诊断结果时，由与病灶类型匹配的目标账号对病灶类型进行判断，得到第一诊断结果，进而可以根据第一诊断结果对第二诊断结果进行验证，提高了对识别引擎进行校验的效率。

根据本发明实施例的又一个方面，还提供了一种用于实施上述数据识别方法的电子装置，如图11所示，该电子装置包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为通过计算机程序执行上述任一项方法实施例中的步骤。

可选地，在本实施例中，上述电子装置可以位于计算机网络的多个网络设备中的至少一个网络设备。

可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：

s1，获取预定时间段内对识别引擎的识别结果进行校验所得到的校验结果集合，其中，校验结果集合中所包含的每一个校验结果为利用第一诊断结果对第二诊断结果进行校验后所得到的结果，第一诊断结果为对待识别的病灶影像数据中所携带的病灶数据进行识别而得到的结果，第二诊断结果为通过调用识别引擎对病灶影像数据进行识别而得到的结果；

s2，利用校验结果集合确定与识别引擎相匹配的引擎识别度；

s3，在引擎识别度小于第一阈值的情况下，调整识别引擎，其中，调整后的识别引擎对应的引擎识别度，大于调整前的识别引擎对应的引擎识别度；

s4，利用调整后的识别引擎识别病灶影像数据。

可选地，本领域普通技术人员可以理解，图11所示的结构仅为示意，电子装置也可以是智能手机(如android手机、ios手机等)、平板电脑、掌上电脑以及移动互联网设备(mobileinternetdevices，mid)、pad等终端设备。图11其并不对上述电子装置的结构造成限定。例如，电子装置还可包括比图11中所示更多或者更少的组件(如网络接口等)，或者具有与图11所示不同的配置。

其中，存储器1102可用于存储软件程序以及模块，如本发明实施例中的数据识别方法和装置对应的程序指令/模块，处理器1104通过运行存储在存储器1102内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的数据识别方法。存储器1102可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器1102可进一步包括相对于处理器1104远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。其中，存储器1102具体可以但不限于用于存储第一诊断结果与第二诊断结果等信息。作为一种示例，如图11所示，上述存储器1102中可以但不限于包括上述数据识别装置中的第一获取单元1002、确定单元1004、调整单元1006及识别单元1008。此外，还可以包括但不限于上述数据识别装置中的其他模块单元，本示例中不再赘述。

上述的传输装置1106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括有线网络及无线网络。在一个实例中，传输装置1106包括一个网络适配器(networkinterfacecontroller，nic)，其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中，传输装置1106为射频(radiofrequency，rf)模块，其用于通过无线方式与互联网进行通讯。

此外，上述电子装置还包括：显示器1108，用于显示上述病灶影像数据；和连接总线1110，用于连接上述电子装置中的各个模块部件。

根据本发明的实施例的又一方面，还提供了一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：

s1，获取预定时间段内对识别引擎的识别结果进行校验所得到的校验结果集合，其中，校验结果集合中所包含的每一个校验结果为利用第一诊断结果对第二诊断结果进行校验后所得到的结果，第一诊断结果为对待识别的病灶影像数据中所携带的病灶数据进行识别而得到的结果，第二诊断结果为通过调用识别引擎对病灶影像数据进行识别而得到的结果；

s2，利用校验结果集合确定与识别引擎相匹配的引擎识别度；

s3，在引擎识别度小于第一阈值的情况下，调整识别引擎，其中，调整后的识别引擎对应的引擎识别度，大于调整前的识别引擎对应的引擎识别度；

s4，利用调整后的识别引擎识别病灶影像数据。

可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：

s1，根据校验结果集合确定与识别引擎相匹配的校验异常参数和校正参数，其中，校验异常参数用于指示在校验结果集合中校验结果指示校验失败的结果数量，校正参数用于指示根据校验结果已完成校正的诊断结果的结果数量；

s2，利用校验异常参数和校正参数，确定引擎识别度。

可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：

s1，获取识别引擎未识别得到第二诊断结果的结果数量，作为校验异常参数；

s2，获取第一诊断结果中被校正过的诊断结果的结果数量，作为校正参数。

可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：

s1，将校验异常参数和校正参数进行求和处理，得到二者的和值；

s2，获取校验结果集合中的结果总数与和值之间的差值；

s3，获取差值与结果总数的比值，作为引擎识别度。

可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：

s1，利用已完成校正的诊断结果，调整识别引擎。

可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：

s1，获取识别引擎对病灶影像数据进行识别而得到的第二诊断结果；

s2，获取对病灶影像数据中所携带的病灶数据进行识别所得到的第一诊断结果，其中，在从病灶数据中包含的病灶报告中识别出用于指示第一诊断结果的目标字段的情况下，获取目标字段以确定第一诊断结果；在未获取到目标字段的情况下，将病灶数据中包含的病灶影像分发给目标账号，以获取目标账号返回的第一诊断结果；

s3，比对第一诊断结果及第二诊断结果，得到与病灶影像数据相匹配的校验结果。

可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：

s1，从病灶报告中识别出对象字段；

s2，将对象字段与数据库中存储的关键字段集进行比对，其中，关键字段集中所包含的每一个关键字段分别用于指示一种诊断结果；

s3，在关键字段集中查找到与对象字段相匹配的关键字段的情况下，将对象字段作为目标字段，并将与对象字段相匹配的关键字段所指示的诊断结果，作为与目标字段对应的第一诊断结果。

可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：

(1)在病灶报告为文本格式报告的情况下，对病灶报告进行文本提取，得到对象字段。

(2)在病灶报告为图像格式报告的情况下，通过字符识别方式将病灶报告转换为病灶文本；对病灶文本执行分词校验操作，得到校验后的病灶文本；从校验后的病灶文本中获取对象字段。

可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：

s1，在未获取到目标字段的情况下，确定出目标账号，其中，未获取到目标字段的情况包括以下之一：病灶数据中未包含病灶报告、在关键字段集中未查找到与对象字段相匹配的关键字段；

s2，将病灶影像发送给目标账号，以使目标账号根据病灶影像确定第一诊断结果；

s3，获取目标账号所返回的第一诊断结果。

可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：

s1，根据病灶影像数据确定病灶类型；

s2，从在线账号中获取与病灶类型相匹配的空闲账号；

s3，根据账号优先级从空闲账号中确定出目标账号，其中，账号优先级根据账号经验值确定。

可选地，在本实施例中，本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(read-onlymemory，rom)、随机存取器(randomaccessmemory，ram)、磁盘或光盘等。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。