过敏疾病作为全世界最常见的疾病之一,影响着人们的生命健康,治疗过敏必须先确定过敏原。当前绝大多数医疗机构通过点刺皮试的方式对过敏原进行检测,点刺皮试的检测方法需要通过体外注射多项过敏原,并由医护人员观察病患对每个过敏原的反应结果,填写电子过敏检测单,再通过人工录入医疗系统,最终形成过敏电子报告单。由于过敏原检测的项目众多,目前采用的手动录入医疗过敏检查单的方法存在工作效率低和录入过程中易出错的问题,随着需要处理的医疗过敏检查单的工作日益增多,对过敏检查单的识别需求越来越迫切。针对上述情况,本文设计了一种针对过敏检查单文档图像自动识别的系统模块,论文主要工作如下:第一,针对患者手机端上传文档图片可能存在的阴影干扰和光照不平衡等图像质量问题提出了解决方案。首先针对文档图像出现的阴影干扰,本文在滑动窗口多阈值二值化的基础上,引入二维OTSU算法计算最佳阈值分割点,并通过邻近像素点的阈值对当前像素分割阈值进行自适应修改,成功降低了二值化过程中的阴影干扰;针对由于打印设备、拍摄设备、外界光线等造成的文档对比度较低的问题,本文在自适应伽马变换的基础上,利用方差加权引导滤波Retinex算法代替传统的高斯滤波提取光照图像,再利用自适应的伽马函数对图像进行校正,实现了文档图像增强。第二,针对过敏检查单中手写数字的识别问题,本文在卷积网络的基础上,针对梯度消失的问题,引入残差模块,并通过增加残差块的卷积层宽度,提高模型的表达能力,实现了可用于过敏检查单手写数字识别的改进的残差网络,使其分类结果准确率到达98.1%;针对过敏检查单中手写过敏原英文单词识别问题,在CRNN神经网络的卷积网络上,引入残差模块,并采用SELU激活函数和批归一化来加速网络收敛和提高了模型的泛化能力,在循环网络中采用BiGRU代替BiLSTM,进一步增加了网络的收敛速度,在后处理部分加入字典查找和N-gram后处理策略,进一步提升模型识别的准确率,最终实现对手动填写的过敏原的识别。实验表明本方法对手写英文词汇的识别准确率达到64.9%。第三,在上述算法的基础上,本文设计了针对过敏检查单文档图像的识别系统模块,该模块可以自动对受阴影和光照影响的文档图像进行预处理来改善文档质量;并针对过敏检查单的排版情况,模块实现过敏检查单的自动版面分析方,从而可以对文档中的关键信息进行提取;基于本文所实现的手写数字识别和英文单词识别算法,该模块可以有效实现过敏检查单中固定和非固定项的识别,提升了过敏检查单生成效率。