[發(fā)明專利]醫(yī)學(xué)化驗(yàn)單的文本識(shí)別方法和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010829924.8
• 申請(qǐng)日: 2020-08-18
• 公開(kāi)（公告）號(hào): CN111967391A
• 公開(kāi)（公告）日: 2020-11-20
• 發(fā)明（設(shè)計(jì)）人: 吳及;張丹陽(yáng)
• 申請(qǐng)（專利權(quán)）人: 清華大學(xué)
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京律智知識(shí)產(chǎn)權(quán)代理有限公司 11438
• 代理人: 孫寶海;袁禮君

本公開(kāi)提供了一種醫(yī)學(xué)化驗(yàn)單的文本識(shí)別方法和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，涉及文本識(shí)別技術(shù)領(lǐng)域。其中，醫(yī)學(xué)化驗(yàn)單的文本識(shí)別方法包括：通過(guò)基于錨的卷積神經(jīng)網(wǎng)絡(luò)對(duì)待識(shí)別化驗(yàn)單的文本框進(jìn)行字段定位，錨的水平寬度是根據(jù)待識(shí)別化驗(yàn)單的文本框的水平寬度預(yù)設(shè)確定的，卷積神經(jīng)網(wǎng)絡(luò)的下采樣比例由錨的水平寬度確定；將字段定位的特征圖輸入至文本識(shí)別模塊，文本識(shí)別模塊的輸出層包含前向?后向神經(jīng)網(wǎng)絡(luò)層，以獲取待識(shí)別化驗(yàn)單的第一字符識(shí)別結(jié)果，前向?后向神經(jīng)網(wǎng)絡(luò)層中引入注意力機(jī)制。通過(guò)本公開(kāi)的技術(shù)方案，減少了提取文本框的漏檢或黏連的情況發(fā)生，提高了醫(yī)學(xué)化驗(yàn)單的文本識(shí)別的可靠性和準(zhǔn)確性。

技術(shù)領(lǐng)域

本公開(kāi)涉及文本識(shí)別技術(shù)領(lǐng)域，尤其涉及一種醫(yī)學(xué)化驗(yàn)單的文本識(shí)別 方法和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

OCR(Optical Character Recognition，光學(xué)字符識(shí)別)技術(shù)已經(jīng)經(jīng)歷了 幾十年的發(fā)展，從早期的文檔識(shí)別，擴(kuò)展到已經(jīng)在收費(fèi)停車(chē)場(chǎng)等場(chǎng)景下發(fā) 揮重要作用的車(chē)牌識(shí)別，以及目前尚未實(shí)現(xiàn)大面積應(yīng)用的身份證識(shí)別、銀 行卡識(shí)別、增值稅發(fā)票識(shí)別等。

然而，目前針對(duì)醫(yī)學(xué)化驗(yàn)單識(shí)別的研究仍較為匱乏，尚未發(fā)現(xiàn)相關(guān)技 術(shù)中存在魯棒性高和準(zhǔn)確性高的中文化驗(yàn)單識(shí)別系統(tǒng)。

基于此，由于醫(yī)學(xué)化驗(yàn)單的稀疏排布、多語(yǔ)言混合、含較多生僻的醫(yī) 學(xué)名詞等不同于一般文檔的特性，如果采用OCR系統(tǒng)進(jìn)行識(shí)別，則準(zhǔn)確 率較低。

另外，OCR系統(tǒng)輸出的識(shí)別結(jié)果是散亂的非結(jié)構(gòu)化文本，不利于后 續(xù)分析生成醫(yī)學(xué)報(bào)告。

需要說(shuō)明的是，在上述背景技術(shù)部分公開(kāi)的信息僅用于加強(qiáng)對(duì)本公開(kāi) 的背景的理解，因此可以包括不構(gòu)成對(duì)本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技 術(shù)的信息。

發(fā)明內(nèi)容

本公開(kāi)的目的在于提供一種醫(yī)學(xué)化驗(yàn)單的文本識(shí)別方法和計(jì)算機(jī)可 讀存儲(chǔ)介質(zhì)，至少在一定程度上克服相關(guān)技術(shù)中文本識(shí)別的準(zhǔn)確率低和魯 棒性差的問(wèn)題。

本公開(kāi)的其他特性和優(yōu)點(diǎn)將通過(guò)下面的詳細(xì)描述變得顯然，或部分地 通過(guò)本公開(kāi)的實(shí)踐而習(xí)得。

根據(jù)本公開(kāi)的一個(gè)方面，提供一種醫(yī)學(xué)化驗(yàn)單的文本識(shí)別方法，包括： 通過(guò)基于錨的卷積神經(jīng)網(wǎng)絡(luò)對(duì)待識(shí)別化驗(yàn)單的文本框進(jìn)行字段定位，錨的 水平寬度是根據(jù)待識(shí)別化驗(yàn)單的文本框的水平寬度預(yù)設(shè)確定的，卷積神經(jīng) 網(wǎng)絡(luò)的下采樣比例由錨的水平寬度確定；將所述字段定位的特征圖輸入至 文本識(shí)別模塊，所述文本識(shí)別模塊的輸出層包含前向-后向神經(jīng)網(wǎng)絡(luò)層， 以獲取待識(shí)別化驗(yàn)單的第一字符識(shí)別結(jié)果，所述前向-后向神經(jīng)網(wǎng)絡(luò)層中 引入注意力機(jī)制。

在本公開(kāi)的一個(gè)實(shí)施例中，卷積神經(jīng)網(wǎng)絡(luò)包括多個(gè)卷積塊；在通過(guò)基 于錨的卷積神經(jīng)網(wǎng)絡(luò)對(duì)待識(shí)別化驗(yàn)單的文本框進(jìn)行特征提取前，還包括： 根據(jù)錨的寬度調(diào)整卷積塊的池化層的核寬度，以調(diào)整卷積神經(jīng)網(wǎng)絡(luò)的下采 樣比例。

在本公開(kāi)的一個(gè)實(shí)施例中，卷積神經(jīng)網(wǎng)絡(luò)包括第一卷積塊、第二卷積 塊、第三卷積塊、第四卷積塊和第五卷積塊，第一卷積塊、第二卷積塊、 第三卷積塊和第四卷積塊包含的池化層分別為第一池化層、第二池化層、 第三池化層和第四池化層，第一池化層的核寬度、第二池化層的核寬度、 第三池化層的核寬度和調(diào)整后的第四池化層的核寬度的乘積結(jié)果與錨的 寬度相等。

在本公開(kāi)的一個(gè)實(shí)施例中，前向-后向神經(jīng)網(wǎng)絡(luò)層的下一級(jí)網(wǎng)絡(luò)為長(zhǎng) 短期記憶網(wǎng)絡(luò)層，醫(yī)學(xué)化驗(yàn)單的文本識(shí)別方法還包括：確定長(zhǎng)短期記憶網(wǎng) 絡(luò)層在獲取第一字符識(shí)別結(jié)果的前一時(shí)刻的內(nèi)部隱藏狀態(tài)值；根據(jù)內(nèi)部隱 藏狀態(tài)值確定第一字符識(shí)別結(jié)果對(duì)應(yīng)的注意力權(quán)重；采用注意力權(quán)重對(duì)第 一字符識(shí)別結(jié)果進(jìn)行加權(quán)處理，以得到第二字符識(shí)別結(jié)果；將第二字符識(shí) 別結(jié)果輸入長(zhǎng)短期記憶網(wǎng)絡(luò)層；將長(zhǎng)短期記憶網(wǎng)絡(luò)層的輸出結(jié)果依次進(jìn)行 線性層和柔性最大化處理，以得到文本框包含的字符串的概率分布。