Modello di tessera assicurativa sanitaria di Informazioni sui documenti

Importante

• Le versioni di anteprima pubblica di Informazioni sui documenti consentono l'accesso anticipato alle funzionalità in fase di sviluppo attivo. Le funzionalità, gli approcci e i processi possono cambiare prima della disponibilità generale, a seconda del feedback degli utenti.
• Per impostazione predefinita, la versione di anteprima pubblica delle librerie client di Intelligence dei documenti è la versione dell'API REST 2024-07-31-preview.
• La versione di anteprima pubblica 2024-07-31-preview è al momento disponibile solo nelle aree di Azure seguenti. Si noti che il modello di generazione personalizzata (estrazione di campi di documento) in Studio AI è disponibile solo nell'area Stati Uniti centro-settentrionali:
  • Stati Uniti orientali
  • Stati Uniti occidentali 2
  • Europa occidentale
  • Stati Uniti centro-settentrionali

Questo contenuto si applica a: v4.0 (anteprima) | Versioni precedenti: v3.1 (disponibilità generale) v3.0 (disponibilità generale)

Il modello di tessera assicurativa sanitaria di Informazioni sui documenti combina potenti funzionalità di riconoscimento ottico dei caratteri (OCR) con modelli di Deep Learning per analizzare ed estrarre informazioni chiave dalle tessere sanitarie statunitensi. Una scheda di assicurazione sanitaria è un documento chiave per l'elaborazione delle cure. Può essere analizzato digitalmente per l'onboarding dei pazienti, le informazioni di copertura finanziaria, i pagamenti senza contanti e l'elaborazione delle richieste di assicurazione. Il modello di tessera sanitaria analizza le immagini della tessera, estrae informazioni chiave come assicuratore, membro, prescrizione e numero di gruppo e restituisce una rappresentazione JSON strutturata. Le tessere sanitarie possono essere presentate in vari formati e qualità, tra cui immagini acquisite al telefono, documenti digitalizzati e PDF digitali.

Tessera assicurativa sanitaria di esempio elaborata in Studio di Informazioni sui documenti

Opzioni di sviluppo

Informazioni sui documenti v4.0 (2024-07-31-preview) supporta gli strumenti, le applicazioni e le librerie seguenti:

Funzionalità	Risorse	Model ID
Modello per schede assicurazione sanitaria	• Studio di Informazioni sui documenti • API REST • C# SDK • Python SDK • Java SDK • JavaScript SDK	prebuilt-healthInsuranceCard.us

Requisiti di input

• Formati di file supportati:

  Modello	PDF	Immagine: JPEG/JPG, PNG, BMP, TIFF, HEIF	Microsoft Office: Word (DOCX), Excel (XLSX), PowerPoint (PPTX), HTML
  Lettura	✔	✔	✔
  Layout	✔	✔	✔ (2024-07-31-preview, 2024-02-29-preview, 2023-10-31-preview)
  Documento generale	✔	✔
  Predefinito	✔	✔
  Estrazione personalizzata	✔	✔
  Classificazione personalizzata	✔	✔	✔ (2024-07-31-preview, 2024-02-29-preview)

• Per risultati ottimali, fornire una foto chiara o una scansione di alta qualità per ogni documento.

• Per i formati PDF e TIFF, possono essere elaborate fino a 2.000 pagine (con una sottoscrizione di livello gratuito vengono elaborate solo le prime due pagine).

• Le dimensioni del file per l'analisi dei documenti sono di 500 MB per il livello a pagamento (S0) e 4 MB per il livello gratuito (F0).

• Per le immagini, le dimensioni devono essere comprese tra 50 x 50 pixel e 10.000 x 10.000 pixel.

• Se i file PDF sono bloccati da password, è necessario rimuovere il blocco prima dell'invio.

• L'altezza minima del testo da estrarre è di 12 pixel per un'immagine 1024 x 768 pixel. Queste dimensioni corrispondono approssimativamente a un testo con dimensioni di 8 punti e 150 punti per pollice (DPI).

• Per il training di modelli personalizzati, il numero massimo di pagine per i dati di training è 500 per il modello personalizzato e 50.000 per il modello neurale personalizzato.

  • Per il training di modelli di estrazione personalizzati, le dimensioni totali dei dati di training sono di 50 MB per il modello e 1 GB per il modello neurale.

  • Per il training del modello di classificazione personalizzato, le dimensioni totali dei dati di training sono 1 GB con un massimo di 10.000 pagine. Per 2024-07-31-preview e le versioni successive, le dimensioni totali dei dati di training sono 2 GB con un massimo di 10.000 pagine.

Provare Studio di Informazioni sui documenti

Vedere in che modo i dati vengono estratti dalle tessere assicurative sanitarie con Studio di Informazioni sui documenti. Sono necessarie le risorse seguenti:

• Sottoscrizione di Azure: è possibile crearne una gratuitamente.

• Istanza di Informazioni sui documenti nel portale di Azure. Per provare il servizio, è possibile usare il piano tariffario gratuito (F0). Dopo la distribuzione della risorsa, selezionare Vai alla risorsa per recuperare la chiave e l'endpoint.

Nota

Studio di Informazioni sui documenti è disponibile con l'API v3.0.

1. Nella home page di Studio di Informazioni sui documenti selezionare Tessere assicurative sanitarie.

2. È possibile analizzare il documento di tessera sanitaria di esempio o selezionare il pulsante ➕ Aggiungi per caricare il proprio esempio.

3. Selezionare il pulsante Esegui analisi e, se necessario, configurare Analizza opzioni:

   

   Provare Studio di Informazioni sui documenti.

Lingue e impostazioni locali supportate

Per un elenco completo delle lingue supportate, vedere la pagina di supporto del linguaggio del modello predefinito.

Estrazione di campi

Per i campi di estrazione dei documenti supportati, vedere la pagina relativa allo schema del modello di carta assicurativa sanitaria nel repository di esempio gitHub.

Guida alla migrazione e API REST v3.1

• Seguire Guida alla migrazione di Informazioni sui documenti v3.1 per informazioni su come usare la versione v3.1 nelle applicazioni e nei flussi di lavoro.

• Esplorare l'API REST per altre informazioni sulla versione 3.1 e sulle nuove funzionalità.

Passaggi successivi

• Provare a elaborare moduli e documenti personalizzati con Studio di Informazioni sui documenti.

• Completare l'avvio rapido di Informazioni sui documenti e iniziare a creare un'app per l'elaborazione documenti nel linguaggio di sviluppo preferito.