实操工作坊：
上手病例图片 OCR 智能结构化

1913

Optophone

用光敏元件扫描印刷文字，并转换为声音。

1970s

多字体阅读机

Kurzweil 系统将扫描、OCR 与语音合成结合。

1980s–2000s

扫描仪 + 软件

文档采集普及，OCR 转向统计模型与流水线。

2010s–NOW

深度学习与 VLM

识别文字，同时解析版面、结构与语义。

图片：Optophone；Kurzweil Reader；SpectraSCAN；Transkribus Dashboard。来源：Wikimedia Commons。

Li et al.，TrOCR，AAAI，2023；Huang et al.，LayoutLMv3，ACM MM，2022；Kim et al.，Donut，ECCV，2022；Tang et al.，UDOP，CVPR，2023。

Huang et al.，LayoutLMv3，ACM MM，2022；Kim et al.，Donut，ECCV，2022；Blecher et al.，Nougat，ICLR，2024。

Huang et al.，LayoutLMv3，ACM MM，2022；Kim et al.，Donut，ECCV，2022；Tang et al.，UDOP，CVPR，2023。

Mathew et al.，DocVQA，WACV，2021；Tito et al.，MP-DocVQA，Pattern Recognition，2023；Ma et al.，MMLongBench-Doc，NeurIPS，2024。

Jin et al.，RJUA-MedDQA，arXiv，2024。

Shang et al.，MedRepBench，ECCV，2026。

1

下载安装

点击系统对应的下载按钮，按安装向导完成安装。

2

选择模型

打开模型列表，点击 qwen3-vl:2b；首次使用会自动下载。

3

设置上下文

打开 Settings，拖动 Context length 滑杆设置上下文长度。

4

添加并发送

点击 + 添加去标识化病历图片，确认模型后点击发送。

来源：Ollama App；Qwen3-VL 2B。