一、文献综述
（一）国内外研究现状
现代医学不断的发展，为了检测人体数据，各种医疗检测器械被发明。医疗信息管理系统、体检报告的作用越来越大,导致了大量、多源冗余并且内容碎片化的医疗数据的出现。数据的利用率低下的问题如何有效地识别和整合这些医学数据，提供准确的医学知识问答和医学知识推理具有重要的研究意义。
随着互联网的迅猛发展，利用互联网平台处理和利用体检数据等相关的医疗数据的新型医疗模式也应运而生。如英国 Auminence 服务系统，通过对消费者的病史、现有症状或获取的身体信息进行有效分析后作出健康诊断及防治建议。除此之外，国外还有 DiagnosisOne、Archimedes IndiGO、Isabel、Elsevier、PKC 这些健康管理类的平台都在亚健康防治中起动了至关重要的作用。因为我国对于亚健康的研究起步较晚，现在市面上的医疗应用在内容和数据准确性方面存在问题。现在市面上最常见的体检和健康管理的软件如康在线，好大夫在线，掌上体检等，不过这些软件均存在识别版面不全、字符识别率低、识别结果易受环境影响等问题。还有因为如此
（二）研究主要成果
国外发达国家医疗标准化程度较高，医疗信息技术处于领先地位，政府对于医疗的发展重视程度高，许多发达国家在慢性病数据挖掘技术方面都有比较成熟的研究和探索。例如、联机分析处理（OLAP）、多元线性回归、人工智能在慢性病和其他医学疾病的数据挖掘中被到了应用广泛.通过对大量的医疗信息的研究和挖掘，可以对某些疾病的患病模式、体检数据特征进行早期的预测，可以尽早的对疾病进行预防。目前，许多国家都在努力于发展与其国家本相适应的疾病预测，并且这些疾病预测研究都有着长期的实验验证，就比如Framingham关于冠心病危险评分，英国对糖尿病危险分子的分析。我国对慢性病的预测起步较晚，但已有许多常见的慢性病预测模型。例如，针对我国心脏病的发病率，以中美合作的心肺血管疾病流行病学研究队列为基础，建立了缺血性心血管疾病的性别特异性风险预测模型。在糖尿病方面，《中国2型糖尿病防治指南》也有提出了相关的预防方法和中国糖尿病风险评分表。建立了中国成人糖尿病危险性评价方法
场景文本检测在医疗图像识别领域是有重要作用，被应用在电子病历，体检报告，化验单等医疗文本的识别和读取上。自然场景图像中的文字识别，其难度远大于扫描文档图像中的文字识别，因为它的文字展现形式极其丰富，不同于印刷体文档中的文本, 自然场景文本的字体大小、颜色、排列方向、稀疏性、对比度等有着很大的差异.与此同时, 还受到光照变化、复杂背景、噪声干扰、拍摄视角等方面的影响。其中结合了CNN和LSTM神经网络CTPN是一种影响较大被使用较广的开源文本检测模型，适合在复杂条件下的文本检测。
文本识别是对定位好的文字区域进行识别，主要解决的问题是每个文字是什么，将图像中的文字区域进转化为字符信息该网络从上到下分为CNN卷积神经网络，用来从输入的图像进行特征提取。RNN循环层，用来预测从卷积层提取的特征序列标签（真实值）的分布。CTC(转录层)，用来把从循环层获取的标签分布通过去重整合等操作转化成最终识别结果。
智能医疗产业也在加速发展。体检报告的智能化使体检工作更加优质、方便、高效。以等待为主要经历的医疗过程发生了根本性的变化。特别是智能手机的普及，为智能医疗过程带来了无限可能。优质的医疗资源可以更好地共享，惠及广大体检人员，也有助于解决医疗资源分配不平衡的问题。目前，体检者的医学数据大多还处于各个医院单独使用阶段，智能体检报告将改变这种状况。利用大数据可以对海量数据进行深度处理和挖掘，实现对体检者健康的精细化、动态化、智能化管理。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
