基于OCR技術的化驗單識別方法研究.pdf

1、隨著醫(yī)療互聯(lián)網(wǎng)的發(fā)展，人類醫(yī)療產(chǎn)生的健康數(shù)據(jù)正迅速增長，健康數(shù)據(jù)體現(xiàn)在就診后的化驗單數(shù)據(jù)。我國醫(yī)療行業(yè)醫(yī)患之間的數(shù)量差異導致化驗單的解讀存在壁壘，高效且準確地解讀化驗單、管理個人的健康數(shù)據(jù)是目前健康醫(yī)療行業(yè)面臨的挑戰(zhàn)。
　　論文針對解讀化驗單、管理個人的健康數(shù)據(jù)中存在的問題，提出基于OCR技術的化驗單識別基本流程方法，包括預處理、模式識別、內(nèi)容識別、識別結(jié)果糾錯，具體工作如下。
　　首先論文對化驗單圖像預處理，主要包括二值化

2、、抗扭斜。研究了全局閾值法、自適應閾值法和OTSU方法三種二值化方法，通過對比實驗，分析了不同方法的預處理效果，選取OTSU方法作為化驗單圖像二值化基本方法。
　　隨后通過模式識別技術，采用基于霍夫變換的直線檢測方法提取化驗單圖像特征，根據(jù)直線特征分類化驗單圖像、處理化驗單圖像。再利用Tesseract開源引擎，訓練數(shù)據(jù)、參數(shù)調(diào)優(yōu)、識別化驗單內(nèi)容。
　　論文最后對識別結(jié)果采取結(jié)合編輯距離和化驗單醫(yī)學詞庫的糾錯方案，通過漢字圖