买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉灵犀量子(北京)医疗科技有限公司申请的专利文档数据清洗方法、系统、电子设备、存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114708134B 。

龙图腾网通过国家知识产权局官网在2025-09-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210255573.3，技术领域涉及：G06T1/00；该发明授权文档数据清洗方法、系统、电子设备、存储介质是由刘鹏;王则远设计研发完成，并于2022-03-15向国家知识产权局提交的专利申请。

本文档数据清洗方法、系统、电子设备、存储介质在说明书摘要公布了：本发明提供一种文档数据清洗方法、系统、电子设备、存储介质，所述方法包括：获取待清洗的文档的图像版本，将文档的图像版本拆分为多个示例；将示例转化为图像向量，并与预置的样本图像向量比较，判断示例是否需要去除；去除需要去除的示例，拼接剩余的示例，获得清洗后的文档。本发明可以对大多数各种形式的图像版本的文献进行清洗，大大数据清洗的成本，提高数据生产效率。

本发明授权文档数据清洗方法、系统、电子设备、存储介质在权利要求书中公布了：1.一种文档数据清洗方法，其特征在于，应用于医学PDF文献，基于训练过的神经网络模型实现，通过对PDF文献进行人工处理，将一些非关键信息与文献关键文本内容信息进行坐标标记分类，分为非关键信息与关键信息两类，用做神经网络模型的训练集数据，神经网络模型中将每张图像拆分多个图像块，每个图像块进一步拆分为多个示例，示例是指的比图像块更细粒度的、构成图像块的单元，所述方法包括： 获取待清洗的文档的图像版本，将文档的图像版本拆分为多个示例； 将示例转化为图像向量，并与预置的样本图像向量比较，判断示例是否需要去除； 去除需要去除的示例，拼接剩余的示例，获得清洗后的文档； 示例通过图像块按照预定规则得来，各个示例之间因而存在基于预定规则的连接或者映射关系，通过神经网络进行编码，该编码发力于全局，去除需要去除的示例后，进行编码的逆向操作，恢复示例之间的映射关系，完成拼接，获取清洗后的文档； 所述将文档的图像版本拆分为多个示例，包括： 基于多示例学习，将文档的图像版本拆分为多个多示例包； 其中，每个多示例包含有多个没有分类标签的示例； 所述将示例转化为图像向量，包括： 基于Transformer网络，先将示例拆分形成序列，再对序列进行编码，形成与示例对应的图像向量； 神经网络模型中采用Transformer网络结合多示例学习分类器的多示例包，将多示例包的每个示例进一步拆分并形成embedding序列，形成类似NLP中的tokens，利用Transformer网络编码，编码发力于局域，相应的映射形成示例转化的图像向量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人灵犀量子(北京)医疗科技有限公司，其通讯地址为：100161 北京市丰台区南四环西路186号四区5号楼5层09室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。