Neuronale Netze zur Effizienzsteigerung der Texterkennung in der Rezeptabrechnung
Tobias Höfer (),
Frederik Weishäupl () and
Alfred Nischwitz ()
Additional contact information
Tobias Höfer: Hochschule München
Frederik Weishäupl: Noventi Health SE
Alfred Nischwitz: Hochschule München
Chapter Kapitel 33 in Künstliche Intelligenz im Gesundheitswesen, 2022, pp 697-714 from Springer
Abstract:
Zusammenfassung Digitale Bilder sind einer Vielzahl von Störungen unterworfen, die eine erfolgreiche Texterkennung erschweren. Der digitale Zwilling enthält unbeabsichtigte Unterschiede zu der realen Bildquelle, die während der Erfassung, Verarbeitung, Komprimierung, Speicherung oder Übertragung entstehen können. Als Beispiele für relevante Störfaktoren lassen sich unterbrochene und dünne Zeichen, Störpixel und Textüberlagerungen anführen. Diese Störfaktoren erschweren die automatisierte Erfassung relevanter Daten und machen diese im schlimmsten Fall unbrauchbar. Für die Apothekenrechenzentren bedeutet das einen zusätzlichen manuellen Aufwand und damit verbundene Kosten. Dieser Beitrag beschreibt die Entwicklung und Produktivnahme eines neuronalen Netzes bei der NOVENTI, das erfolgreich die Störfaktoren des digitalisierten Rezeptbilds reduziert und dadurch eine Effizienzsteigerung der Texterkennung bewirkt.
Date: 2022
References: Add references at CitEc
Citations:
There are no downloads for this item, see the EconPapers FAQ for hints about obtaining it.
Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.
Export reference: BibTeX
RIS (EndNote, ProCite, RefMan)
HTML/Text
Persistent link: https://EconPapers.repec.org/RePEc:spr:sprchp:978-3-658-33597-7_33
Ordering information: This item can be ordered from
http://www.springer.com/9783658335977
DOI: 10.1007/978-3-658-33597-7_33
Access Statistics for this chapter
More chapters in Springer Books from Springer
Bibliographic data for series maintained by Sonal Shukla () and Springer Nature Abstracting and Indexing ().