近年來,人工智能的發(fā)展為智慧醫(yī)療提供了強大的技術(shù)支持,以計算機視覺為基礎(chǔ)的化驗單智能解讀能夠使患者及時的了解自身病情,可以有效的提高就醫(yī)效率,減緩就醫(yī)壓力。化驗單智能解讀首要工作是將化驗單圖像數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化的文本數(shù)據(jù)。因此,自然場景下化驗單文字檢測識別任務(wù)尤為重要。針對當前存在的自然場景下化驗單文字檢測識別方法效果欠佳,無法達到實用標準等問題,本文融合了傳統(tǒng)圖像處理方法和深度學習方法對自然場景下化驗單文字檢測識別進行研究。具體從以下幾個方面展開研究:1)提出了一種自然場景下的化驗單文字檢測方法(BHS-CTPN),可以有效解決當前化驗單文字檢測方法效果無法達到實用標準以及敏感信息區(qū)域無法有效過濾的問題。首先引入BRISK、Hough、Sauvola等一系列預(yù)處理方法進行化驗單矯正、敏感信息區(qū)域去除和圖像增強,其次在特征提取時卷積核的設(shè)定、anchor設(shè)定等方面改進CTPN網(wǎng)絡(luò)模型,最后優(yōu)化文本框合并策略。BHS-CTPN方法與CTPN模型相比,準確率、召回率、F1值分別提升了8%、10%、9%,與目前化驗單文字檢測領(lǐng)域效果最好的華為API接口相比,準確率、召回率、F1值分別提升了6%...

【文章頁數(shù)】：73 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景
    1.2 研究的意義與應(yīng)用前景
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 自然場景下文字檢測研究現(xiàn)狀
        1.3.2 自然場景下文字識別研究現(xiàn)狀
        1.3.3 自然場景下文字識別矯正研究現(xiàn)狀
    1.4 本文研究思路和主要工作
    1.5 論文組織結(jié)構(gòu)
第2章 深度學習相關(guān)理論與技術(shù)
    2.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.1.1 卷積神經(jīng)網(wǎng)絡(luò)概述
        2.1.2 卷積神經(jīng)基本組成
        2.1.3 卷積神經(jīng)網(wǎng)絡(luò)經(jīng)典模型
    2.2 循環(huán)神經(jīng)網(wǎng)絡(luò)
        2.2.1 循環(huán)神經(jīng)網(wǎng)絡(luò)概述
        2.2.2 長短期記憶網(wǎng)絡(luò)
        2.2.3 雙向長短期記憶網(wǎng)絡(luò)
    2.3 模型評價標準
    2.4 本章小結(jié)
第3章 自然場景下化驗單文字檢測方法研究
    3.1 引言
    3.2 BHS-CTPN一種自然場景下化驗單文字檢測方法
        3.2.1 基于BRISK算法的圖像矯正
        3.2.2 基于改進的霍夫直線檢測
        3.2.3 基于Sauvola算法的圖像增強
        3.2.4 改進的CTPN網(wǎng)絡(luò)模型
    3.3 實驗與分析
        3.3.1 實驗數(shù)據(jù)
        3.3.2 實驗細節(jié)
        3.3.3 實驗結(jié)果分析
    3.4 本章小結(jié)
第4章 自然場景下化驗單文字識別方法研究
    4.1 引言
    4.2 一種改進CRNN網(wǎng)絡(luò)模型的自然場景下化驗單文字識別方法
    4.3 實驗與分析
        4.3.1 實驗數(shù)據(jù)
        4.3.2 實驗細節(jié)
        4.3.3 實驗結(jié)果
    4.4 本章小結(jié)
第5章 自然場景下化驗單文字識別矯正方法研究
    5.1 引言
    5.2 一種融合語言模型的化驗單文字識別矯正處理方法
        5.2.1 識別結(jié)果矯正預(yù)處理
        5.2.2 基于語言模型的識別結(jié)果矯正
        5.2.3 基于對應(yīng)關(guān)系的識別結(jié)果矯正
        5.2.4 融合編輯距離和最長公共子序列的識別結(jié)果矯正
    5.3 實驗與分析
        5.3.1 實驗數(shù)據(jù)
        5.3.2 實驗細節(jié)
        5.3.3 實驗結(jié)果
    5.4 本章小結(jié)
第6章 自然場景下化驗單文字檢測識別系統(tǒng)
    6.1 系統(tǒng)概述
    6.2 系統(tǒng)整體架構(gòu)
    6.3 系統(tǒng)工作流程
    6.4 系統(tǒng)界面展示
第7章 總結(jié)與展望
    7.1 總結(jié)
    7.2 展望
致謝
參考文獻
個人簡歷 在校期間發(fā)表論文與研究成果



本文編號：3797615