IDEAS home Printed from https://ideas.repec.org/h/spr/sprchp/978-3-658-33597-7_33.html
   My bibliography  Save this book chapter

Neuronale Netze zur Effizienzsteigerung der Texterkennung in der Rezeptabrechnung

In: Künstliche Intelligenz im Gesundheitswesen

Author

Listed:
  • Tobias Höfer

    (Hochschule München)

  • Frederik Weishäupl

    (Noventi Health SE)

  • Alfred Nischwitz

    (Hochschule München)

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.

Suggested Citation

  • Tobias Höfer & Frederik Weishäupl & Alfred Nischwitz, 2022. "Neuronale Netze zur Effizienzsteigerung der Texterkennung in der Rezeptabrechnung," Springer Books, in: Mario A. Pfannstiel (ed.), Künstliche Intelligenz im Gesundheitswesen, chapter 0, pages 697-714, Springer.
    • Handle: RePEc:spr:sprchp:978-3-658-33597-7_33
    DOI: 10.1007/978-3-658-33597-7_33
    as

    Download full text from publisher

    To our knowledge, this item is not available for download. To find whether it is available, there are three options:
    1. Check below whether another version of this item is available online.
    2. Check on the provider's web page whether it is in fact available.
    3. Perform a search for a similarly titled item that would be available.

    More about this item

    Statistics

    Access and download statistics

    Corrections

    All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:spr:sprchp:978-3-658-33597-7_33. See general information about how to correct material in RePEc.

    If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.

    We have no bibliographic references for this item. You can help adding them by using this form .

    If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.

    For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: Sonal Shukla or Springer Nature Abstracting and Indexing (email available below). General contact details of provider: http://www.springer.com .

    Please note that corrections may take a couple of weeks to filter through the various RePEc services.

    IDEAS is a RePEc service. RePEc uses bibliographic data supplied by the respective publishers.