[发明专利]医学化验单的文本识别方法和计算机可读存储介质

权利要求书

1.一种医学化验单的文本识别方法，其特征在于，包括：

通过基于锚的卷积神经网络对待识别化验单的文本框进行字段定位，锚的水平宽度是根据待识别化验单的文本框的水平宽度预设确定的，卷积神经网络的下采样比例由锚的水平宽度确定；

将所述字段定位的特征图输入至文本识别模块，所述文本识别模块的输出层包含前向-后向神经网络层，以获取待识别化验单的第一字符识别结果，所述前向-后向神经网络层中引入注意力机制。

2.根据权利要求1所述的医学化验单的文本识别方法，其特征在于，所述卷积神经网络包括多个卷积块；在通过基于锚的卷积神经网络对所述待识别化验单的文本框进行特征提取前，还包括：

根据所述锚的宽度调整所述卷积块的池化层的核宽度，以调整所述卷积神经网络的下采样比例。

3.根据权利要求1所述的医学化验单的文本识别方法，其特征在于，

所述卷积神经网络包括第一卷积块、第二卷积块、第三卷积块、第四卷积块和第五卷积块，

所述第一卷积块、所述第二卷积块、所述第三卷积块和所述第四卷积块包含的池化层分别为第一池化层、第二池化层、第三池化层和第四池化层，

所述第一池化层的核宽度、第二池化层的核宽度、第三池化层的核宽度和调整后的第四池化层的核宽度的乘积结果与所述锚的宽度相等。

4.根据权利要求1至3中任一项所述的医学化验单的文本识别方法，其特征在于，

所述前向-后向神经网络层的下一级网络为长短期记忆网络层，所述医学化验单的文本识别方法还包括：

确定所述长短期记忆网络层在获取所述第一字符识别结果的前一时刻的内部隐藏状态值；

根据所述内部隐藏状态值确定所述第一字符识别结果对应的注意力权重；

采用所述注意力权重对所述第一字符识别结果进行加权处理，以得到第二字符识别结果；

将所述第二字符识别结果输入所述长短期记忆网络层；

将所述长短期记忆网络层的输出结果依次进行线性层和柔性最大化处理，以得到所述文本框包含的字符串的概率分布。

5.根据权利要求1至3中任一项所述的医学化验单的文本识别方法，其特征在于，还包括：

计算所述待识别化验单中的左右相邻的两个文本框之间的高度交并比；

根据所述高度交并比确定所述文本框所属的文本行；

逐行遍历所述文本行包含的字符串；

计算所述字符串与所述表头标识字符之间的相似度；

根据所述相似度确定所述待识别化验单的表格区域；

根据所述待识别化验单的检查项字典，对所述表格区域内的文本框的字符进行纠错；

根据纠错结果输出所述待识别化验单的结构化识别结果，所述结构化识别结果包括检查项编号、检查项名称、检查项数值、数值参考范围、检查项英文缩写和所述检查项数值的量纲中的至少一种。

6.根据权利要求1至3中任一项所述的医学化验单的文本识别方法，其特征在于，还包括：

对所述待识别化验单进行网格划分，并确定划分后的网格；

确定所述网格对应的多个训练锚；

确定所述待识别化验单的文字区域面积占所述训练锚的面积的比例；

将所述比例小于或等于预设比例的训练锚确定为负训练锚；

采用所述负训练锚对所述卷积神经网络进行训练。

7.根据权利要求1至3中任一项所述的医学化验单的文本识别方法，其特征在于，还包括：

确定所述卷积神经网络的训练锚与所述文本框之间的交并比；

将所述交并比大于预设交并比的训练锚确定为正训练锚；

采用所述正训练锚对所述卷积神经网络进行训练。

8.根据权利要求1至3中任一项所述的医学化验单的文本识别方法，其特征在于，

所述卷积神经网络的训练锚的中心点与所述网格的中心点重合。