伴随着科学与信息技术的发展,医疗超声设备在日常医疗中发挥着越来越重要的作用。在实际医疗应用中,随着医学影像设备的增加,不同的医学影像对分辨率等图像质量参数的需求不同,需要对患者的医学图像中的字符进行识别,实现对不同医学影像文件的分类。同时,为了对医疗超声设备的结果进行有效保存,需要采集并存储影超声像信息,因此导致医学影像记录存储数据量剧增。本文针对上述两个问题开展研究,主要工作如下:（1）针对字符识别技术在医疗影像中应用时碰到的低解析度、复杂背景干扰等问题,提出了一种基于多尺度卷积神经网络的字符识别模型。使用改进后的文本检测模型对医疗图像中的文本位置进行检测,解决了传统识别方法在医疗图像识别中的问题。通过在模型中加入多尺度的卷积核及增强数据集训练,有效解决了医学图像中复杂的背景干扰以及因分辨率低而导致的识别率低的问题。最后,利用Medpix数据集对所设计的字符识别算法进行了测试。实验结果表明,与传统的识别算法相比,该算法具有更高的识别精度、召回率和F1测度。（2）针对目前医疗超声视频记录设备存在的存储数据量剧增问题,综合目前手动录制和自动录制两种模式的优劣势,借助图像感知哈希算法设计了新的医生录制模式。在该模式下,系统实时对视频画面进行分析,借助感知哈希算法判断画面是否产生变化,进而智能地暂停或开启录制,实现减少无效信息存储的目标,减少视频存储文件的数据量。