面向医疗化验单数据的智能识别系统研究与实现

发布时间：2021-05-16 00:56

　　近些年来,随着社会进步和发展,医疗领域的改革和发展已经成为社会热点。其中关于分级诊疗的远程医疗服务作为国家建设“健康中国”战略的一部分正在逐步推进,利用人工智能技术推动医疗领域改革和发展也逐渐引起关注。在分级诊疗方案里,建立起就医患者在多级医院的病历档案是基础工作,一般来说,患者的病历档案主要包括:化验单、病历、化验影像图等,然而当前大多数基层医院并没有建立完备的电子病历数据库。在远程诊疗的场景里,患者大多是将打印出来的化验单拍摄成照片以图片的形式发送给远程医生。这样的化验单图片数据是非结构化数据,从建立患者病历档案的角度来看,如何将化验单图片里的信息提取并结构化是一个迫切的需求。本研究课题将利用目前迅速发展的深度学习技术,建立一个完备的化验单图片信息识别提取的系统,实现端到端的从图片输入到结构化数据输出的功能。算法上,本文设计完成了文本区域检测模型和字符串识别模型,并主要针对字符串识别模型进行了研究和改进,提出了分别适用于不同类型数据的基于卷积神经网络的中文字符串识别模型和基于序列模型的非中文字符串识别模型,同时,创新性地引入了在人脸识别领域中的类中心损失和目标检测领域的权重损失,构... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：87 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及内容
    1.2 研究现状概述
    1.3 研究成果与意义
    1.4 论文组织结构
第二章 模型研究背景与相关技术
    2.1 深度学习基础简介
        2.1.1 基础结构
        2.1.2 正则化
        2.1.3 数据增强
    2.2 特征提取模型
        2.2.1 卷积神经网络
        2.2.2 长短时记忆网络
    2.3 图像处理相关算法
        2.3.1 Canny边缘检测
        2.3.2 Hough变换直线检测
        2.3.3 图像投影算法
    2.4 文字识别
        2.4.1 图像分类模型
        2.4.2 文字识别模型
    2.5 Tensorflow简介
第三章 化验单识别模型
    3.1 数据集说明
    3.2 文本区域检测
        3.2.1 化验单识别区域检测
        3.2.2 化验单文字区域检测
        3.2.3 字符图片分类
    3.3 中文字符串识别模型
        3.3.1 图像特征提取网络
        3.3.2 加权中心损失函数
        3.3.3 样本均衡损失函数
    3.4 非中文字符串识别模型
        3.4.1 特征提取网络
        3.4.2 CTC损失函数
    3.5 模型轻量化
        3.5.1 卷积模型
        3.5.2 局部卷积模型
    3.6 实验及效果分析
        3.6.1 文本区域检测
        3.6.2 中文字符串识别
        3.6.3 非中文字符串识别
        3.6.4 模型轻量化
    3.7 本章小结
第四章 不确定性度量模型
    4.1 深度学习中的不确定性
    4.2 度量学习技术
    4.3 不确定性度量
    4.4 模型算法设计
        4.4.1 度量损失
        4.4.2 不确定性度量定义
        4.4.3 不确定性度量模型
    4.5 模型实现与效果分析
        4.5.1 模型实验设计
        4.5.2 模型效果分析
        4.5.3 不确定性度量效果分析
    4.6 本章小结
第五章 在线化验单识别系统
    5.1 Django Web框架
    5.2 在线化验单识别系统
        5.2.1 离线模型训练模块
        5.2.2 在线系统模块
    5.3 系统效果分析
        5.3.1 识别系统效果分析
        5.3.2 不确定性度量效果分析
    5.4 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
攻读学位期间发表的学术论文目录



本文编号：3188653