一、”这是哪里的发票？”——医保审核员的困惑

2024 年 11 月，某市医保中心，审核员小李面对一张发票犯了难。

“这是哪里的发票？” “XX 县人民医院。” “怎么没有财政监制章？” “县医院自己印的……” “那这个能报销吗？”

小李拿不准，叫来科长。科长看了半天，说：”打电话问县医院财务科。”

一个电话打过去，对方说：”哦，我们医院从 2023 年开始用电子发票了，这个是系统自动生成的，没有监制章，但可以在财政部网站查验。”

虚惊一场。但这样的”虚惊”，每天都在上演。

中国有多少种医疗票据？

没人知道确切数字。国家财政部规定的标准票据只有几种（住院发票、门诊发票、电子发票），但实际执行中：

这还不包括：

某省医保局统计：省内有效医疗票据版式超过 300 种，跨省票据超过 1000 种。

让审核员记住 1000 种票据格式，不可能。但让机器记住，可以。

二、技术方案：版式识别的”三层架构”

处理百种票据格式，核心是”版式识别”——先判断这是什么类型的票据，再用对应的模板识别。

#### 第一层：粗分类（5 大类）

类别 2：财政监制门诊发票 特征：与住院发票类似，但标题为”门诊收费票据” 识别方法：OCR 识别标题文字

类别 3：医院自制发票 特征：无财政监制章、医院 LOGO、自定义版式 识别方法：检测医院名称 + 发票关键字

类别 4：费用明细清单 特征：表格形式、多行项目、无金额合计（或有） 识别方法：表格检测 + 表头识别

类别 5：电子发票（PDF/OFD） 特征：电子版式文件、有电子签章、可查验 识别方法：文件格式检测 + 电子签章验证

粗分类准确率目标：>98%

#### 第二层：细分类（按省份/医院）

粗分类后，进一步细分：

门诊发票 ├── 北京市财政监制 ├── 上海市财政监制 └── …

细分方法：

细分类准确率目标：>95%

#### 第三层：字段模板匹配

确定具体版式后，加载对应的字段模板：

模板匹配优势：

三、关键技术：如何应对”非标”票据

#### 问题 1：无模板票据怎么办？

即使有 1000 种模板，还是会遇到”从未见过”的票据。

解决方案：零样本字段提取

某省实测：零样本提取准确率 82%，足够支撑人工快速校验。

#### 问题 2：表格型费用清单如何处理？

费用清单是典型的”行数不定”表格，传统 OCR 模板无法处理。

解决方案：表格结构化提取

步骤 2：行列检测

步骤 3：单元格识别

步骤 4：表头语义标注

步骤 5：数据提取

某省实测：表格提取准确率 94%，支持最多 50 行×15 列的表格。

#### 问题 3：手写体票据如何处理？

部分基层医疗机构仍使用手写票据。

解决方案：手写体专用模型

后处理：

实测：手写体识别准确率 85%（打印体 98%）。

四、系统架构：支撑日均 10 万张票据识别

#### 硬件架构

OCR 处理层 ├── 版式分类集群（CPU，4 节点） ├── 模板匹配集群（CPU，8 节点） ├── 深度学习集群（GPU，4 卡 A10） └── 表格处理集群（CPU+GPU 混合，4 节点）

数据存储层 ├── 原始图像（对象存储，50TB） ├── OCR 结果（Elasticsearch，全文检索） ├── 模板库（MySQL，1000+ 模板） └── 样本库（用于持续训练）

#### 性能指标

某省医保平台实测：

#### 持续学习机制

票据版式会不断更新，系统需要持续学习：

某省数据：每月新增模板 15-20 个，模型季度更新一次。

五、实战效果：识别率与效率双提升

#### 识别准确率

某省医保局测试数据（10000 张票据样本）：

| 票据类型 | 样本数 | 识别准确率 | |———-|——–|————| | 财政监制住院发票 | 3500 | 98.7% | | 财政监制门诊发票 | 2800 | 98.2% | | 医院自制发票 | 1500 | 95.3% | | 费用明细清单 | 1800 | 94.1% | | 电子发票 | 400 | 99.5% | | 综合 | 10000 | 97.2% |

#### 效率提升

| 环节 | 传统人工 | OCR 自动 | 提升 | |——|———-|———-|——| | 票据分类 | 30 秒/张 | 0.1 秒/张 | 300 倍 | | 字段提取 | 2 分钟/张 | 2 秒/张 | 60 倍 | | 数据录入 | 3 分钟/张 | 0 秒/张 | – | | 合计 | 5.5 分钟/张 | 2.1 秒/张 | 157 倍 |

#### 业务价值

  • 审核员人力释放：从 120 人降至 35 人
  • 审核时效提升：从 3 天降至 4 小时
  • 差错率降低：从 4.5% 降至 0.9%
  • 参保人满意度：从 72% 提升至 93%

六、踩过的坑

坑 1：热敏纸褪色 部分药店小票使用热敏纸，时间久了字迹褪色。 解决：图像增强（对比度提升、边缘锐化）；严重褪色的转人工。

坑 2：多页票据分页 费用清单多页时，扫描可能漏页或重复。 解决：检测页码连续性；金额合计校验。

坑 3：印章遮挡 医院公章、财务章遮挡关键字段。 解决：印章检测 + 去除（颜色分割）；严重遮挡的转人工。

坑 4：电子发票重复报销 同一张电子发票可能被多次打印报销。 解决：发票代码 + 号码去重；与财政部查验平台对接。

七、结语

处理百种票据格式，听起来是个”脏活累活”——没有高深的算法，只有无尽的模板和细节。

但正是这些”脏活累活”，支撑着医保报销的顺畅运行。当审核员不再需要为”这是哪里的发票”而困惑，当参保人不再需要等待数天才能拿到报销款——技术的价值，就体现在这些平凡的细节里。

OCR 识别医疗票据，只是医保数字化的基础设施。但基础设施的价值，不在于炫技，而在于稳定、可靠、持续地提供服务。

让机器做机器擅长的事（识别、计算），让人做人擅长的事（判断、决策）——这才是人机协作的正确姿势。