随着社会的发展,人们对自身健康状况的关注不断提高,实时监测相关用户的医用生理数据信息很有必要。传统智慧医疗方式大都通过无线的方式将采集到的数据发送到远程服务器,本文提出了一种新的智慧医疗方案,首先采集人体生理数据信息,然后将数据以七段码的形式显示在液晶屏终端,利用安卓智能终端进行拍照获取数据图像,结合图像识别的相关技术实现数据图像的识别,将识别结果保存在数据库并上传至服务器。本文通过两种方式实现图像的识别:一种是BP神经网络的方法,此方法需要对图像进行预处理和特征提取,然后将特征经过分类器进行识别;另一种是利用深度学习中的卷积神经网络,将整个图像作为输入特征对图像进行识别。本文的主要具体研究工作和创新点如下所述:(1)设计了一个医用采集系统,对人体的相关生理信息进行采集,设计和制作了数据采集模块和显示模块。数据采集模块以MSP430单片机为控制芯片,结合传感器芯片采集人体生理信息,将信息数据显示在液晶屏终端;(2)分析BP神经网络的原理,并且针对其训练提出了一些改进方法,用安卓终端采集大量液晶屏七段码数字图像样本,在VS2010平台训练得到了液晶屏数字识别分类器,在测试集上检测显示识别率可以达到98%;(3)设计了安卓客户端应用程序,程序功能包括液晶屏图像采集、用户数据存储、图像识别和数据保存等。利用安卓的本地接口功能,实现图像的预处理和特征提取,结合训练成功的神经网络分类器实现液晶屏数字的识别,完成医用数据信息的采集,通过本地数据库保存并且上传至服务器,供用户和相关人员查看;(4)结合深度学习的技术,对卷积神经网络的模型提出一定的改进,分别对手写数字库MNIST和液晶屏七段码数字图像进行识别,实验结果表明可以达到比传统方法更高的识别效果。为了便于将深度学习网络移植,本文提出了一种权值减少的方法,实验结果表明采用本文提出的方法,可以将神经网络的参数权值减少82%,并且保持较高的识别率。