[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

说明书

本公开提供了一种医学化验单的文本识别方法和计算机可读存储介质，涉及文本识别技术领域。其中，医学化验单的文本识别方法包括：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；将字段定位的特征图输入至文本识别模块，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，前向‑后向神经网络层中引入注意力机制。通过本公开的技术方案，减少了提取文本框的漏检或黏连的情况发生，提高了医学化验单的文本识别的可靠性和准确性。

技术领域

本公开涉及文本识别技术领域，尤其涉及一种医学化验单的文本识别 方法和计算机可读存储介质。

背景技术

OCR(Optical Character Recognition，光学字符识别)技术已经经历了 几十年的发展，从早期的文档识别，扩展到已经在收费停车场等场景下发 挥重要作用的车牌识别，以及目前尚未实现大面积应用的身份证识别、银 行卡识别、增值税发票识别等。

然而，目前针对医学化验单识别的研究仍较为匮乏，尚未发现相关技 术中存在鲁棒性高和准确性高的中文化验单识别系统。

基于此，由于医学化验单的稀疏排布、多语言混合、含较多生僻的医 学名词等不同于一般文档的特性，如果采用OCR系统进行识别，则准确 率较低。

另外，OCR系统输出的识别结果是散乱的非结构化文本，不利于后 续分析生成医学报告。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开 的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技 术的信息。

发明内容

本公开的目的在于提供一种医学化验单的文本识别方法和计算机可 读存储介质，至少在一定程度上克服相关技术中文本识别的准确率低和鲁 棒性差的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地 通过本公开的实践而习得。

根据本公开的一个方面，提供一种医学化验单的文本识别方法，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。

在本公开的一个实施例中，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待识别化验单的文本框进行特征提取前，还包括： 根据锚的宽度调整卷积块的池化层的核宽度，以调整卷积神经网络的下采 样比例。

在本公开的一个实施例中，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，第一卷积块、第二卷积块、 第三卷积块和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，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锚的 宽度相等。

在本公开的一个实施例中，前向-后向神经网络层的下一级网络为长 短期记忆网络层，医学化验单的文本识别方法还包括：确定长短期记忆网 络层在获取第一字符识别结果的前一时刻的内部隐藏状态值；根据内部隐 藏状态值确定第一字符识别结果对应的注意力权重；采用注意力权重对第 一字符识别结果进行加权处理，以得到第二字符识别结果；将第二字符识 别结果输入长短期记忆网络层；将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，以得到文本框包含的字符串的概率分布。