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 ().