文档识别技术一直是文字处理和字符识别研究领域的热点研究问题,诸如卡证识别、发票识别等都得到了广泛的应用。但在医疗文档处理方面,相关的研究市场上还没有成熟的商业化产品。医疗文档是病患就医时常见的文档,作为证明病情、后续治疗的证明材料。由于不同医院的医疗文档的信息格式不尽相同,导致医疗文档资源的综合利用非常困难,难以实现在医院之间的共享。设计并实现了一套医疗文档识别系统,该系统能够识别非结构化的医疗文档资料,如病历图像资料,并将其转化成为结构化信息,为医疗文档的存档和共享提供帮助。该系统由图像预处理、文本检测及文字识别、文档管理等功能模块组成。由于采集的医疗文档资料的图像具有噪点、光照不均匀、空间视域不正等情况,可使用二值化、文档空间视域矫正、非均匀光照矫正等图像预处理的技术提高图像的质量。系统采用可微二值化算法定位图像中的文本所在的区域,采用RCNN模型从文本区域中提取文字序列,实现文本检测和文字识别等文档识别功能。系统同时提供交互式的图像文字提取功能,以解决图像文字自动提取时信息结构化的逻辑问题。系统采用B/S设计架构进行设计,使用My SQL数据库保存结构化的数据,提供基于UI的交互操作功能。该系统可以独立使用,也可以作为API,提供给其他相关的系统调用。通过系统测试,测试结果表明,该系统运行稳定,能够准确地提取医疗文档图像中的结构化信息,能满足用户实际需求。