技术总结
本发明提供了一种基于神经网络的智能病案文字识别的方法，本发明通过新设计的卷积神经网络模块和双层双向神经网络的结合，新的卷及神经网络模块能加深神经网络的深度，将卷积后的特征图进行双层双向神经网络的处理，充分考虑到图片每一切片之间的联系，随着神经网络深度的加深，不会产生梯度消失的问题，还能更好的提取特征，使得本识别算法在通用文本及病案文本的识别准确率上显著提高，特别是比现有的OCR识别病案的准确率高，准确度达到98.3%，其次，本发明的算法数据集增加医学用词及医学用词训练数据，增加了医学用词的预测能力，再有，本发明的数据集是通过真实病案数据制作的数据集，能够有效的消除背景的影响。
技术研发人员：徐登友;董艺航;许慧
受保护的技术使用者：颐保医疗科技(上海)有限公司
技术研发日：2019.09.19
技术公布日：2019.12.31