医疗 OCR 识别 API 怎么选？（报告单 / 发票 / 检测单）

导语：2026年，医疗机构每天处理上千张检验报告、收费发票和检查结果------全部依赖人工录入，一张住院发票5分钟，错漏率超过2%。OCR来了，但市面上通用识别挑花眼，只有真正理解医疗场景结构化的API，才能把检查结论、费用明细如实变成可入库的JSON。本文不讲广告，给你一套从"单据类型"出发的选型实战框架 + 多语言代码示例。

一、写在前面：为什么通用OCR处理不好医疗票据？

直接上实测数据。把三张典型医疗票据------收费发票、检验报告单、诊断报告------同时送入多个通用OCR进行识别，结果差距非常大：收费发票上的数字表格一塌糊涂，检验报告上的"项目-结果-单位"三列关系混乱，报告单上的检查所见和诊断结论变成了堆在一起的长段落。

问题根源很简单：医疗票据识别和普通OCR的根本区别在于------"普通人看文字，医生看结构"。医保审核要的是诊断结论字段，财务对账要的是费用明细行，健康档案要的是检验项目表格------这三件事通用OCR一件也做不到。

那么，一个好的医疗票据OCR识别API应该具备哪些特征？你需要从三个维度做评估。

二、选型第一步：三个评估维度帮你框定范围

维度一：版式自适应能力

全国医疗机构超过30000家，每家机构的发票版式、检验单设计、药剂流程差异极大。这意味着你需要的不是一个"模板匹配"工具，而是一个能自动识别"这是门诊发票还是住院结算单""这是生化全套还是血常规"，并根据版式动态抽取关键信息的系统。

建议采用多版式自适应识别引擎，无需预设模板即可自动适应全国各省市数千种医疗票据版式，通过版面分析、关键区域定位完成准确分割。

维度二：结构化抽取深度

这个维度需要仔细甄别------供应商说的"结构化了"和你需要的"结构化"是不是一回事。

真正的医疗票据结构化抽取，是面向 "字段 + 表格 + 清单" 的多层次输出------检查报告要提取"检查所见"和"诊断结论"，检验报告单要按"项目/结果/单位/参考值"逐行对齐表格，收费票据要逐条拆分费用明细行并计算合计金额。一句话：入库前就能直接用的才是真结构化。

维度三：典型单据的类型匹配

医疗票据按业务场景主要有三种类型------报告单 （诊断结论/检查所见）、发票（费用明细行/金额）、检验检测单（检验项目表格）。优先选择支持所有类型且已按类型独立优化的供应商。否则你可能需要接三家API才能覆盖全部需求。

💡 如果还不确定自己的单据属于哪种类型，可以先去石榴智能在线工具的医疗票据在线体验中上传几张真实票据，免费测试结构化抽取效果，再对接API。

三、选型第二步：三类票据识别要点

医疗票据OCR属于高度敏感的应用场景。医疗票据具有格式多样性、内容复杂性、法律严肃性和信息敏感性四大特征。在选型评估过程中，以下三点必须列入核心评估指标------

① 检查/诊断报告单：重点考察结论字段完整度

诊断报告单上散落着患者信息、检查所见、诊断结论等多个区块。OCR系统需要能够独立还原这些结构化特征，将关键信息归入正确字段，并以清晰且符合医疗业务逻辑的数据结构返回；在此基础上，系统还应能识别如CT报告中"钙化灶"等专业术语，避免因字符误读导致偏差。

② 收费票据（发票）：重点考察明细行抽取准确率

这是医疗场景中最难处理的一类。一张住院发票费用明细可达数百行，且通常为不规则表格。即便字面识别准确率很高，价格、数量、医保标志等字段也常出现跨行列错位------选型时建议重点测试系统是否能准确归位每一行明细。

对于发票还要增加一项考验：全国医保政策差异大、更新频繁，系统是否能将抽取后的项目信息与三大目录自动比对是医保审核场景的刚需。只有支持医保目录智能匹配的OCR系统，才能真正解放一线审核人力。

③ 检验检测单：重点考察表格结构化还原能力

这也是OCR产品水准的"分水岭"。生化、血液、免疫等检验单的核心信息都在表格里------检验项目名称、结果、单位、参考范围这四列必须准确对齐，逐行返回。在评估时务必用一份多行多列的复杂检验单做实测，重点检查表格结构是否被完整保留。

📌 关于结构化抽取与医保三目匹配的更多细节，可以前往石榴智能医疗票据在线体验工具中，免费在线测试，了解完整能力说明。

四、应用场景与选型诉求映射

不同业务场景，核心选型诉求完全不同。

场景一：医保审核/商保理赔

核心需求：发票明细行全量提取 + 医保三大目录智能匹配 + 99%+高并发稳定性
匹配方案关键词：全流程自动化、目录匹配、批量处理

赣州市医疗保障局率先应用OCR智能审核系统，通过扫描仪或高拍仪完成材料一键扫描、智能识别，同步精准匹配医保三大目录；歙县在黄山市率先推广应用OCR智能审核系统后，通过识别医疗票据图像，智能提取患者信息、诊疗项目、费用明细等关键数据，自动与本地医保目录库匹配，并对费用清单进行结构化处理------这正是OCR与医保审核深度融合的真实样板。

场景二：体检中心/医疗机构报告归档与检索

核心需求：检查结论标准化 + 检验指标结构化入库 + 支持多页PDF批量处理
匹配方案关键词：批量处理结构化入库、报告归档、数据中台支持

对医院而言，OCR技术可以集成于院内财务系统和自助服务终端，加速对账流程；同时通过对识别数据的分析，医院可以更精准地进行成本核算、医保控费分析和医疗服务效益评估。对于体检中心，则需要支持多文件批量上传与导出，便于Excel/Excel格式保存和进一步的统计报表分析。

场景三：健康管理/个人档案

核心需求：检验指标趋势可视化 + 慢病管理支持 + 移动端即时解析
匹配方案关键词：指标结构化入库、趋势分析、健康管理

对于面向C端的健康应用，用户通过手机拍照上传票据，系统自动识别并填充关键数据，后台将检验指标数据保存入库以供后续分析趋势，是这类场景的基础能力。

场景四：财务系统/企业内部福利平台

核心需求：费用明细实时提取 + 自动化合规校验 + 支持与企业HR/PMS系统对接
匹配方案关键词：自动计税、报销审核、批量对接

集成OCR功能的员工报销平台可以让员工在线提交票据，系统自动填充报销单内容，HR在线审核，实现报销流程无纸化。只要确保系统能快速提取金额、日期、医院等核心费用字段，并与财务引擎配套的合规规则库配合，就能大幅压缩财务人力成本。

五、实战：医疗票据 OCR API 多语言代码示例

以支持检查报告单、检验报告单、收费票据三种类型结构化的 API 为例，演示全程对接。

支持免费在线体验，API文档清晰，提供多种接入语言示例（如python、js、C#、java、php等），以及自动化脚本语言（如天诺、懒人精灵、按键精灵、易语言、EasyClick、触动精灵等）

Python 示例

python 复制代码

# ==============================================================================
# 免费在线体验：https://market.shiliuai.com/tools/medical-report-ocr
# API文档完整开发文档和代码示例：https://market.shiliuai.com/doc/doc-extract
# 支持免费在线体验
# API文档清晰，提供多种接入语言示例（如python、js、C#、java、php等），以及自动化脚本语言（如天诺、懒人精灵、按键精灵、易语言、EasyClick、触动精灵等）
# ==============================================================================

# -*- coding: utf-8 -*-
import requests
import base64
import json

# 请求接口
URL = "https://ocr-api.shiliuai.com/api/doc_extract/v1"

# 图片/pdf文件转base64
def get_base64(file_path):
    with open(file_path, "rb") as f:
        data = f.read()
    return base64.b64encode(data).decode("utf8")

def demo(appcode, file_path):
    # 请求头
    headers = {
        "Authorization": "APPCODE %s" % appcode,
        "Content-Type": "application/json"
    }

    # 请求体
    b64 = get_base64(file_path)
    data = {
        "file_base64": b64,
        "prompt": ""
    }

    # 请求
    response = requests.post(url=URL, headers=headers, json=data)
    content = json.loads(response.content)
    print(content)

if __name__ == "__main__":
    appcode = "你的APPCODE"
    file_path = "本地文件路径"
    demo(appcode, file_path)

Java 示例

java 复制代码

// ==============================================================================
// 免费在线体验：https://market.shiliuai.com/tools/medical-report-ocr
// API文档完整开发文档和代码示例：https://market.shiliuai.com/doc/doc-extract
// 支持免费在线体验
// API文档清晰，提供多种接入语言示例（如python、js、C#、java、php等），以及自动化脚本语言（如天诺、懒人精灵、按键精灵、易语言、EasyClick、触动精灵等）
// ==============================================================================

import com.alibaba.fastjson2.JSON;
import com.alibaba.fastjson2.JSONObject;
import org.apache.http.HttpResponse;
import org.apache.http.client.methods.HttpPost;
import org.apache.http.entity.StringEntity;
import org.apache.http.impl.client.CloseableHttpClient;
import org.apache.http.impl.client.HttpClients;
import org.apache.http.util.EntityUtils;
import org.apache.commons.io.FileUtils;
import java.io.File;
import java.io.IOException;
import java.util.HashMap;
import java.util.Map;
import java.util.Base64;

public class Main {
    public static String get_base64(String path) {
        String b64 = "";
        try {
            byte[] content = FileUtils.readFileToByteArray(new File(path));
            b64 = Base64.getEncoder().encodeToString(content);
        } catch (IOException e) {
            e.printStackTrace();
        }
        return b64;
    }

    public static void main(String[] args) {
        String url = "https://ocr-api.shiliuai.com/api/doc_extract/v1";// 请求接口
        String appcode = "你的APPCODE";
        String file_path = "本地文件路径";

        Map headers = new HashMap<>();
        headers.put("Authorization", "APPCODE " + appcode);
        headers.put("Content-Type", "application/json");

        JSONObject requestObj = new JSONObject();
        requestObj.put("file_base64", get_base64(file_path));
        requestObj.put("prompt", "");
        String bodys = requestObj.toString();

        try (CloseableHttpClient httpClient = HttpClients.createDefault()) {
            HttpPost httpPost = new HttpPost(url);
            for (Map.Entry entry : headers.entrySet()) {
                httpPost.addHeader(entry.getKey(), entry.getValue());
            }
            StringEntity entity = new StringEntity(bodys, "UTF-8");
            httpPost.setEntity(entity);
            HttpResponse response = httpClient.execute(httpPost);
            int stat = response.getStatusLine().getStatusCode();
            if (stat != 200) {
                System.out.println("Http code: " + stat);
                return;
            }
            String res = EntityUtils.toString(response.getEntity());
            JSONObject res_obj = JSON.parseObject(res);
            System.out.println(res_obj.toJSONString());
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

PHP 示例

php 复制代码

// ==============================================================================
// 免费在线体验：https://market.shiliuai.com/tools/medical-report-ocr
// API文档完整开发文档和代码示例：https://market.shiliuai.com/doc/doc-extract
// 支持免费在线体验
// API文档清晰，提供多种接入语言示例（如python、js、C#、java、php等），以及自动化脚本语言（如天诺、懒人精灵、按键精灵、易语言、EasyClick、触动精灵等）
// ==============================================================================

//图片/pdf转base64
function get_base64($path){
    if($fp = fopen($path, "rb", 0)) {
        $binary = fread($fp, filesize($path));// 文件读取
        fclose($fp);
        $b64 = base64_encode($binary);// 转base64
    }else{
        $b64="";
        printf("%s 文件不存在", $path);
    }
    return $b64;
}

$url = "https://ocr-api.shiliuai.com/api/doc_extract/v1";
$appcode = "你的APPCODE";
$file_path = "文件路径";
$method = "POST";

// 请求头
$headers = array();
array_push($headers, "Authorization:APPCODE " . $appcode);
array_push($headers, "Content-Type:application/json");

// 请求体
$b64 = get_base64($file_path);
$data = array(
    "file_base64" => $b64,
    "prompt" => ""
);
$post_data = json_encode($data);

// 请求
$curl = curl_init();
curl_setopt($curl, CURLOPT_CUSTOMREQUEST, $method);
curl_setopt($curl, CURLOPT_URL, $url);
curl_setopt($curl, CURLOPT_HTTPHEADER, $headers);
curl_setopt($curl, CURLOPT_FAILONERROR, false);
curl_setopt($curl, CURLOPT_RETURNTRANSFER, true);
curl_setopt($curl, CURLOPT_HEADER, true);
curl_setopt($curl, CURLOPT_SSL_VERIFYPEER, false);
curl_setopt($curl, CURLOPT_SSL_VERIFYHOST, false);
curl_setopt($curl, CURLOPT_POSTFIELDS, $post_data);

$result = curl_exec($curl);
var_dump($result);

完整API文档：https://market.shiliuai.com/doc/doc-extract

📌 完整API接入细节请参考医疗票据接入文档。

六、安全合规：医疗OCR的生命线

医疗票据涉及患者隐私和机构商业数据，选型时必须将安全放在首位，医疗票据具有信息敏感性特征，需要确保三点：

加密传输：全链路HTTPS/TLS 1.3加密，防止传输中间人攻击
敏感信息脱敏：身份证号、联系方式等字段自动遮罩处理，同时保证业务关键字段完整
私有化部署：数据高度敏感的场景（如三甲医院内部审核、医保机构核查），优先选择支持本地化部署的供应商，核心数据不出域

七、选型决策速查表

业务场景	推荐API要求	重点评估指标
医保审核/商保理赔	支持发票明细行全量提取+医保目录匹配	表格结构化完整率、医保项目匹配准确率
体检中心/医院归档	支持检验/检查/发票三类，批量处理	检查结论字段抽取完整度、批量并发能力
财务报销/福利平台	费用明细提取+自动化合规校验	金额/日期/机构字段准确率、系统对接开放性
健康管理/C端应用	多页PDF批量解析+接口轻量易集成	响应延迟、移动端调用友好度
数据中台/BI分析	结构化入库+指标统计+报表分析	字段映射标准化、数据输出格式一致性

如果仍不确定自家业务适合哪一类API，可以先去石榴智能医疗票据OCR在线工具免费测试几张票据效果，再决定是否走API对接。通常建议：先在线验效果 → 再评估成本 → 最后选API接入，这是稳健的"三步走"实战路线。

复制代码

#医疗OCR #医疗票据识别 #OCR选型 #结构化抽取 #医保审核 #商业保险 #API集成 #Python #Java #PHP #检验报告单 #收费发票 #诊断报告 #石榴智能