最近几年深度学习技术在学术界掀起了一阵热潮。尤其是在计算机视觉相关领域,越来越多的基于深度学习的解决方案不断被提出并且在性能上远远超过了过去的传统方法。这也使得运用深度学习来完成企业传统业务的转型成为了可能。目前来说,在一些保险企业中医疗票据的检测识别存在很大的需求。并且过去一些基于模板的传统方法在处理这类复杂数据时存在效率低、精度不高、鲁棒性较差等问题。因此目前大部分企业还是以人工的方式来对票据进行审核报销。在时间以及成本上存在严重的浪费。然而随着自然场景下的文字检测与识别技术的不断成熟,运用相关算法来解决票据信息的定位识别成为了一种可行的解决方案。大部分的医疗票据通常都是通过相机拍照采集而来。图像中的文本往往存在多方向、形变、背景复杂等问题。这些特征与自然场景下的文字十分相似。同时由于打印质量以及印章的干扰使得票据的检测与识别变得更加困难。针对这些难点并结合现有的文字检测识别技术,本文提出了一套利用深度学习技术来实现医疗票据定位识别的解决方案。采用角点检测以及位置敏感分割来实现票据信息的定位。并在网络中加入了特征增强模块用来提取更健壮的多尺度特征从而进一步提升检测结果。在识别阶段,本文采取了基于上下文信息融合的端到端文字识别方法。并在特征提取部分引入了卷积注意力模块从而帮助网络自适应的对特征进行选择。除此之外,为了加强网络对中文语义的学习,本文根据收集到的通用中文语料以及票据文本语料进行了大规模的数据合成。通过在表格以及机打发票这两类真实数据集上进行测试,证明了本文提出的方法的有效性和实用性。