基于多分类文本检测的医疗票据识别系统设计与实现
这是一篇关于光学字符识别,医疗票据识别,多分类文本检测,文本识别的论文, 主要内容为医疗票据识别依赖于光学字符识别技术,主要包含两个阶段:文本检测和文本识别。在文本检测阶段,由于医疗票据中印刷、机打文本相互覆盖,导致文本检测框中存在多种不同类型的文本。在文本识别阶段,基于CRNN(Convolutional Recurrent Neural Network)的文本识别方法对票据中干扰多、模糊的文本图像识别准确率不高。针对上述问题,基于DBNet算法提出了多分类文本检测改进,同时设计了对干扰多、模糊的图像进行文本识别的方法。首先在文本检测阶段,针对医疗票据中不同类型文本相互覆盖的问题,基于DBNet网络结构设计类别分支和分层机制,分类别检测医疗票据中的机打和印刷文本。由于多分类后模型参数量增多,使用轻量级网络Mobile Net V3进行优化,并通过基于通道的剪枝降低模型开销。其次在文本识别阶段,针对票据中线框干扰的问题,对部分人工合成的文本图像随机插入线框,此外,使用Res Net和Mobile Net V3增强CRNN特征提取网络。对于模糊的票据图像,在文本识别中引入了Transformer结构,将Transformer编码模块改为Res Net网络结构,解码模块结合多头注意力机制和全连接网络结构,进一步提高文本识别准确率。最后结合多分类文本检测方法和文本识别方法,实现了一个医疗票据识别系统,此外,对断裂的文本框进行文本框融合,对偏移打印的文本进行位置修正,进一步完善系统功能。多分类的文本检测能有效区分医疗票据中的机打、印刷文字,缓解了不同类型文字间相互覆盖的影响。使用轻量级网络优化后的多分类检测模型,相比于使用Res Net50特征提取网络,模型参数量减少为1/5。在有线框干扰和部分图像模糊的数据集中,基于Transformer的文本识别方法相比于使用Res Net的CRNN算法,文本识别准确率提高了7.5%。
面向卵巢癌患者随访服务系统的设计与实现
这是一篇关于卵巢癌,术后随访,光学字符识别,生存质量的论文, 主要内容为卵巢癌是一种早期不易发现、治疗周期长、易复发的妇科恶性肿瘤疾病,致死率极高。多数患者在初次就诊时,病情已经发展到中晚期。卵巢肿瘤专科的医生在对患者进行手术或化疗的过程中,需要对患者进行长期的随访,观察患者在诊疗过程中的不良反应和生存情况,不断调整诊疗方式和计划,尽可能地提高患者的生存率和生存质量。本文开展实地调研,分析了同济医院妇科肿瘤科室目前的随访方式和患者反馈情况后,发现目前常用的微信和电话等随访方式存在医护人员工作量大、患者反馈情况差、随访内容和记录混杂重复、记录不成系统易丢失等问题,亟需一种面向卵巢癌患者的随访服务系统。由于卵巢癌患者大多都是中老年人,系统的可获得性和易用性是重要的考虑因素,本文基于微信公众号作为用户流量入口,结合网页和微信授权两种登录方式的优点,提高用户使用本系统的便利性。面向医生对患者进行术后随访过程中的诊疗流程和随访任务需求,本系统将减轻医患随访工作量、结构化随访数据、提高患者服药依从性作为系统设计目标,设计随访服务系统的架构和流程,将系统业务划分为用户管理、随访信息、用药记录、数据分析四个模块,实现随访数据信息化和结构化。本文应用光学字符识别(OCR)技术自动识别医学诊疗数据,抽取随访指标数据,减轻患者随访工作量,根据医生自定义诊断规则生成初步诊断报告,减轻医护人员随访工作量,并应用可视化图表形象呈现患者癌症发展进程,提供预后预测临床参考。本文采用前后端分离的开发模式实现随访服务系统,服务端采用Spring Boot框架、Hibernate接入My SQL数据库,采用Spring Security管理系统的登录授权,基于Maven管理项目依赖;前端采用Vue框架,采用history路由模式,基于Webpack构建打包工程文件,实现系统架构和功能模块。本文设计丰富的测试用例对随访服务系统各模块进行功能测试,应用JMeter和Lighthouse系统测试工具,从平均响应时间、错误率、资源占用率、Web性能四个方面对系统进行性能测试。本文的测试结果表明,系统满足功能性需求,数字化卵巢癌病患信息、随访记录、互动交流、用药管理等资源,便于医生实时跟踪、管理、处置患者的随访工作,有望基于随访数据分析,有效调整诊疗方案,提高患者生存几率和生存质量。并且,在随访信息模块的上传检验报告单功能,应用OCR识别技术和模糊推理自动抽取的随访指标数据较为准确,能够有效减轻患者工作量,自动生成初诊报告功能有效减轻医生工作量。本文后期工作拟扩大系统应用范围,集成智能医疗设备收集的多模态医疗数据,研究隐私保护的数据共享方法,研究基于联邦学习建模训练预后预测模型,构建边云协同的卵巢癌医生助手系统。
面向卵巢癌患者随访服务系统的设计与实现
这是一篇关于卵巢癌,术后随访,光学字符识别,生存质量的论文, 主要内容为卵巢癌是一种早期不易发现、治疗周期长、易复发的妇科恶性肿瘤疾病,致死率极高。多数患者在初次就诊时,病情已经发展到中晚期。卵巢肿瘤专科的医生在对患者进行手术或化疗的过程中,需要对患者进行长期的随访,观察患者在诊疗过程中的不良反应和生存情况,不断调整诊疗方式和计划,尽可能地提高患者的生存率和生存质量。本文开展实地调研,分析了同济医院妇科肿瘤科室目前的随访方式和患者反馈情况后,发现目前常用的微信和电话等随访方式存在医护人员工作量大、患者反馈情况差、随访内容和记录混杂重复、记录不成系统易丢失等问题,亟需一种面向卵巢癌患者的随访服务系统。由于卵巢癌患者大多都是中老年人,系统的可获得性和易用性是重要的考虑因素,本文基于微信公众号作为用户流量入口,结合网页和微信授权两种登录方式的优点,提高用户使用本系统的便利性。面向医生对患者进行术后随访过程中的诊疗流程和随访任务需求,本系统将减轻医患随访工作量、结构化随访数据、提高患者服药依从性作为系统设计目标,设计随访服务系统的架构和流程,将系统业务划分为用户管理、随访信息、用药记录、数据分析四个模块,实现随访数据信息化和结构化。本文应用光学字符识别(OCR)技术自动识别医学诊疗数据,抽取随访指标数据,减轻患者随访工作量,根据医生自定义诊断规则生成初步诊断报告,减轻医护人员随访工作量,并应用可视化图表形象呈现患者癌症发展进程,提供预后预测临床参考。本文采用前后端分离的开发模式实现随访服务系统,服务端采用Spring Boot框架、Hibernate接入My SQL数据库,采用Spring Security管理系统的登录授权,基于Maven管理项目依赖;前端采用Vue框架,采用history路由模式,基于Webpack构建打包工程文件,实现系统架构和功能模块。本文设计丰富的测试用例对随访服务系统各模块进行功能测试,应用JMeter和Lighthouse系统测试工具,从平均响应时间、错误率、资源占用率、Web性能四个方面对系统进行性能测试。本文的测试结果表明,系统满足功能性需求,数字化卵巢癌病患信息、随访记录、互动交流、用药管理等资源,便于医生实时跟踪、管理、处置患者的随访工作,有望基于随访数据分析,有效调整诊疗方案,提高患者生存几率和生存质量。并且,在随访信息模块的上传检验报告单功能,应用OCR识别技术和模糊推理自动抽取的随访指标数据较为准确,能够有效减轻患者工作量,自动生成初诊报告功能有效减轻医生工作量。本文后期工作拟扩大系统应用范围,集成智能医疗设备收集的多模态医疗数据,研究隐私保护的数据共享方法,研究基于联邦学习建模训练预后预测模型,构建边云协同的卵巢癌医生助手系统。
基于多分类文本检测的医疗票据识别系统设计与实现
这是一篇关于光学字符识别,医疗票据识别,多分类文本检测,文本识别的论文, 主要内容为医疗票据识别依赖于光学字符识别技术,主要包含两个阶段:文本检测和文本识别。在文本检测阶段,由于医疗票据中印刷、机打文本相互覆盖,导致文本检测框中存在多种不同类型的文本。在文本识别阶段,基于CRNN(Convolutional Recurrent Neural Network)的文本识别方法对票据中干扰多、模糊的文本图像识别准确率不高。针对上述问题,基于DBNet算法提出了多分类文本检测改进,同时设计了对干扰多、模糊的图像进行文本识别的方法。首先在文本检测阶段,针对医疗票据中不同类型文本相互覆盖的问题,基于DBNet网络结构设计类别分支和分层机制,分类别检测医疗票据中的机打和印刷文本。由于多分类后模型参数量增多,使用轻量级网络Mobile Net V3进行优化,并通过基于通道的剪枝降低模型开销。其次在文本识别阶段,针对票据中线框干扰的问题,对部分人工合成的文本图像随机插入线框,此外,使用Res Net和Mobile Net V3增强CRNN特征提取网络。对于模糊的票据图像,在文本识别中引入了Transformer结构,将Transformer编码模块改为Res Net网络结构,解码模块结合多头注意力机制和全连接网络结构,进一步提高文本识别准确率。最后结合多分类文本检测方法和文本识别方法,实现了一个医疗票据识别系统,此外,对断裂的文本框进行文本框融合,对偏移打印的文本进行位置修正,进一步完善系统功能。多分类的文本检测能有效区分医疗票据中的机打、印刷文字,缓解了不同类型文字间相互覆盖的影响。使用轻量级网络优化后的多分类检测模型,相比于使用Res Net50特征提取网络,模型参数量减少为1/5。在有线框干扰和部分图像模糊的数据集中,基于Transformer的文本识别方法相比于使用Res Net的CRNN算法,文本识别准确率提高了7.5%。
基于OCR的工业生产线上食品袋文本检测与识别系统
这是一篇关于光学字符识别,食品袋文本检测,方向校正,Hough变换,MFC的论文, 主要内容为随着光学字符识别(Optical character recognition,OCR)的发展,许多优秀的字符识别算法开始应用于工业场景下的文本检测与识别。在食品生产过程中,食品袋表面的生产日期、批号等文本信息是判断生产的食品袋是否合格的重要依据。然而,传统的人工检测方式不仅速度慢、效率低、准确率差,还极度依赖人的主观性,大大降低了工厂的生产效率。如果利用OCR去自动检测和识别食品袋上的文本信息,不仅能大幅提高工厂的生产效率,还能减少人力资源的浪费。因此,研究一款基于OCR的食品袋文本检测与识别系统具有重要的实际意义。本文主要研究内容如下:首先,完成了食品袋文本检测与识别系统的总体设计。从用户、技术及功能的角度进行需求分析,确定系统的整体架构。对工业相机、工控机、LED光源、IO信号控制卡等硬件进行选型;对系统的软件界面进行布局,根据检测需求设计功能模块,并给出软件的工作流程。其次,设计了一种改进的MobileNetV3方向校正算法。针对CTPN算法只能检测水平文本的局限,在Hough变换对倾斜食品袋图像进行倾斜校正的基础上,通过方向校正算法,实现任意角度的食品袋文本检测,提高了系统检测和识别食品袋文本内容的准确率。然后,开发了一款食品袋文本检测与识别控制软件。软件利用VS2019平台和MFC框架进行设计和开发,根据模块化的思想,设计了图像采集、OCR检测与识别、IO流程控制、串口通讯、网络通讯等多个模块,实现了对食品袋文本的自动化检测与识别。最后,对设计的食品袋文本检测与识别系统进行测试分析。在OCR中加入方向校正算法后,系统检测与识别文本的准确度达到98%,食品袋图像的平均检测时间为130ms,达到了实际应用的标准;在生产线上的测试表明,控制软件运行稳定且流畅,各项功能均达到预期效果。
面向机构的期货开户与服务系统的设计与实现
这是一篇关于期货,账户开户与服务,跨平台,光学字符识别的论文, 主要内容为随着中国经济的飞速发展,期货行业在社会生产中扮演越来越重要的角色。相比于国外成熟的期货市场,我国期货市场具有发展时间较短、机构户占比过少的特点。企业参与期货市场的好处是可以利用期货规避生产经营风险。在金融服务实体化的趋势下,提升机构户占比是国内期货行业未来发展的方向之一。期货机构户开户流程繁琐,同时行业性质导致期货公司对账户后续服务要求较高。笔者实习公司通过调研,明确期货公司原有系统的不足和改进的方向:(1)开户受理过程便捷化不足,档案管理数字化不足。(2)机构客户开户业务办理不灵活。(3)业务审核专业化不足。(4)系统需按行业规则对账户提供服务。因此期货公司需要一个便捷和专业的机构开户与服务系统用来提高机构户占比。通过对上述问题的分析,本文系统划分为开户业务受理、业务员信息中心、业务综合处理和期货账户服务四个模块:(1)开户业务受理模块提供信息与档案采集、适当性采集和视频采集等功能。(2)业务员信息中心模块提供身份认证和业务管理等功能。(3)业务综合处理模块提供业务单分配和业务单审核等功能。(4)期货账户服务模块提供客户信息管理、交易编码申请、休眠户管理、交易风险管控和账户反洗钱管理等功能。本系统涉及Web端以及移动端,移动端采用公司内部跨平台框架Light进行开发,支持IOS和Android两大客户端并在开户受理过程采用OCR(Optical Character Recognition)技术提高受理效率。APP和Web的前端采用Vue.js进行开发,该框架实现了前端组件的构建与管理。后端使用公司JRESCloud中的组件实现微服务治理,具体业务逻辑采用Spring Boot框架实现;持久层采用My Batis作为中间件,Oracle作为数据库进行存储。目前,系统经过功能测试及非功能测试后,达到生产要求,已经交付给中信期货和招商期货使用。结果表明,作为一次业务创新,该系统各项功能符合预期设计和生产需要,对期货公司具有实际应用价值。文章在测试章节给出了系统运行过程中,用户涉及交易风险管控和账户反洗钱管理的案例。
面向卵巢癌患者随访服务系统的设计与实现
这是一篇关于卵巢癌,术后随访,光学字符识别,生存质量的论文, 主要内容为卵巢癌是一种早期不易发现、治疗周期长、易复发的妇科恶性肿瘤疾病,致死率极高。多数患者在初次就诊时,病情已经发展到中晚期。卵巢肿瘤专科的医生在对患者进行手术或化疗的过程中,需要对患者进行长期的随访,观察患者在诊疗过程中的不良反应和生存情况,不断调整诊疗方式和计划,尽可能地提高患者的生存率和生存质量。本文开展实地调研,分析了同济医院妇科肿瘤科室目前的随访方式和患者反馈情况后,发现目前常用的微信和电话等随访方式存在医护人员工作量大、患者反馈情况差、随访内容和记录混杂重复、记录不成系统易丢失等问题,亟需一种面向卵巢癌患者的随访服务系统。由于卵巢癌患者大多都是中老年人,系统的可获得性和易用性是重要的考虑因素,本文基于微信公众号作为用户流量入口,结合网页和微信授权两种登录方式的优点,提高用户使用本系统的便利性。面向医生对患者进行术后随访过程中的诊疗流程和随访任务需求,本系统将减轻医患随访工作量、结构化随访数据、提高患者服药依从性作为系统设计目标,设计随访服务系统的架构和流程,将系统业务划分为用户管理、随访信息、用药记录、数据分析四个模块,实现随访数据信息化和结构化。本文应用光学字符识别(OCR)技术自动识别医学诊疗数据,抽取随访指标数据,减轻患者随访工作量,根据医生自定义诊断规则生成初步诊断报告,减轻医护人员随访工作量,并应用可视化图表形象呈现患者癌症发展进程,提供预后预测临床参考。本文采用前后端分离的开发模式实现随访服务系统,服务端采用Spring Boot框架、Hibernate接入My SQL数据库,采用Spring Security管理系统的登录授权,基于Maven管理项目依赖;前端采用Vue框架,采用history路由模式,基于Webpack构建打包工程文件,实现系统架构和功能模块。本文设计丰富的测试用例对随访服务系统各模块进行功能测试,应用JMeter和Lighthouse系统测试工具,从平均响应时间、错误率、资源占用率、Web性能四个方面对系统进行性能测试。本文的测试结果表明,系统满足功能性需求,数字化卵巢癌病患信息、随访记录、互动交流、用药管理等资源,便于医生实时跟踪、管理、处置患者的随访工作,有望基于随访数据分析,有效调整诊疗方案,提高患者生存几率和生存质量。并且,在随访信息模块的上传检验报告单功能,应用OCR识别技术和模糊推理自动抽取的随访指标数据较为准确,能够有效减轻患者工作量,自动生成初诊报告功能有效减轻医生工作量。本文后期工作拟扩大系统应用范围,集成智能医疗设备收集的多模态医疗数据,研究隐私保护的数据共享方法,研究基于联邦学习建模训练预后预测模型,构建边云协同的卵巢癌医生助手系统。
某投资管理企业数字化档案管理系统的设计与实现
这是一篇关于数字化档案,OA系统,档案系统安全,光学字符识别,数据库的论文, 主要内容为“数字档案资料管理”就是以数字资源为主要采集的基础数据源对象,通过数字化技术实现档案数字化识别扫描、存储管理与维护,及提供数字档案信息的网络传输、利用服务,并架构于一个完整的标准化体系基础之上的档案资料库管理。随着金融投资管理企业信息化建设的不断深入开展,金融投资管理企业应用的数量和范围不断扩大,随之而来的电子化档案、文件资料也自然以机读为应用形式需求增大,从而使得档案数字化工作迫在眉睫。从某投资管理企业的档案资料管理工作实际出发来分析,一方面企业日积月累的各种纸质档案文书、数据文件、统计报表、信函及手稿,照片图表需要数子化采集、整理归档。另一方面企业现有的办公自动化系统产生了大量文书也需要与档案资料系统进行自动化集成,从而实现档案资料管理工作的收集、整理、鉴定、保管、统计和利用六大环节的网络化运行,推动档案信息资源在全集团的共享,加快各部门对相似问题的响应和解决速度,从而进一步提高某投资管理企业对图档资料管理的核心竞争力。本论文研究和设计了一种数字化档案资料管理操作台,立足现代档案资料管理业务的特点和信息化应用不断深化与发展的潜在需求,使得它能够支持传统纸张档案资料的数字化归档和多种主流电子化文件的收集、整理及归档管理业务要求,从而提高投资管理企业档案管理的信息化水平,推荐企业档案管理的协同化、规范化、效益化。基于企业数字化档案管理系统的总体设计要求,对系统进行了详细的功能实现设计。技术框架上采用B/S三层模式、SOA架构和Ajax技术进行系统设计,通过浏览器提供了一种类似桌面应用程序的用户交换界面,增强系统管理的交互性。在系统完成后对其进行全面的功能测试、业务流程测试、性能测试,找出并修复了系统存在的缺陷,目的是系统能很好地满足档案综合管理的需要。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码海岸 ，原文地址：https://m.bishedaima.com/lunwen/47211.html
