随着深度学习的快速发展,文本识别技术逐渐应用到医疗领域。本文旨在研究中文病历文本图像的识别方法,针对以卷积神经网络为基础的识别算法对中文病历文本识别精度不高的问题,提出了一种基于残差的多尺度特征提取网络,并在此基础上结合了不同尺度的自注意力机制,相比基于卷积神经网络的识别方法,本文提出的方法具有更好的特征提取和分类能力,提高了对中文病历文本图像识别率。中文字符拥有比其他常见字符更复杂的结构,实际的中文病历文本图像中的中文字符纵向结构复杂度与横向结构复杂度相当,且单个中文字符的高度一般是大于宽度的,根据中文字符的这些特性,本文主要做了如下工作:1.设计了一个基于CRNN的识别模型V-CRNN。该模型提高了特征图的纵向特征信息维度,保留中文字符的纵向细粒度特征。提高了纵向特征信息维度后,即使降低特征图通道数,模型相比CRNN依然取得了更高的识别率,对存在上下结构缺失的字符有更好的鲁棒性。2.设计了一个基于残差多尺度识别模型Ms Net。其利用了残差网络的特性,拥有更深的网络结构,合并了不同的尺度特征信息并为每一个尺度的特征图保留更多的纵向特征信息,提高了网络的特征提取能力。实验证明,该特征提取网络能有效的提高对中文病历文本的识别率。3.为了进一步强化网络的纵向特征提取能力,本文设计了一种二维的循环神经网络模型V-Ms Net,利用纵向的双向长短时记忆网络在浅层网络中捕获图像的纵向依赖。实验表明,纵向的Bidirection-LSTM对中文字符的识别率提升是有效的。4.结合本文提出的特征提取网络,设计了一种多尺度的自注意力识别模型S-Ms Net。该模型在不同尺度特征图上计算各个位置的相关性,能捕获更多的横向和纵向依赖信息。实验证明,相比基于残差的多尺度特征提取网络Ms Net,引入了多尺度的自注意机制后的识别模型S-Ms Net对中文病历文本图像的特征提取能力进一步加强,拥有更好的识别性能。