目的为了提高纸质医疗设备质控检测原始记录表手写数据的电子化录入效率,替代传统手工录入方式,实现手写检测数据的批量化自动录入。方法基于Python语言,开发一套基于深度学习光学字符识别(Optical Character Recognition,OCR)的医疗设...目的为了提高纸质医疗设备质控检测原始记录表手写数据的电子化录入效率,替代传统手工录入方式,实现手写检测数据的批量化自动录入。方法基于Python语言,开发一套基于深度学习光学字符识别(Optical Character Recognition,OCR)的医疗设备质控检测原始数据记录表智能识别系统。深度学习OCR技术采用百度智能云OCR云服务,实现批量识别质控检测记录表电子图片,获取结构化的检测数据识别结果,并将识别结果以电子表格的形式导出。结果该系统已实现8种常用医疗设备质控检测原始记录表的智能化识别,经实验测试,8种质控检测记录表平均识别耗时为5.45 s,平均识别正确率为95.94%。系统应用后,医疗设备质控检测原始记录表手写数据电子化录入用时显著低于传统手工录入方式,且差异有统计学意义(P<0.001)。结论该系统识别速度快,识别正确率高,实现了医疗设备质控检测原始记录表批量化、智能化、电子化自动录入,节省了大量人力,提高了质控检测数据整理效率,为质控检测数据的深度分析打下坚实基础。展开更多
文摘目的为了提高纸质医疗设备质控检测原始记录表手写数据的电子化录入效率,替代传统手工录入方式,实现手写检测数据的批量化自动录入。方法基于Python语言,开发一套基于深度学习光学字符识别(Optical Character Recognition,OCR)的医疗设备质控检测原始数据记录表智能识别系统。深度学习OCR技术采用百度智能云OCR云服务,实现批量识别质控检测记录表电子图片,获取结构化的检测数据识别结果,并将识别结果以电子表格的形式导出。结果该系统已实现8种常用医疗设备质控检测原始记录表的智能化识别,经实验测试,8种质控检测记录表平均识别耗时为5.45 s,平均识别正确率为95.94%。系统应用后,医疗设备质控检测原始记录表手写数据电子化录入用时显著低于传统手工录入方式,且差异有统计学意义(P<0.001)。结论该系统识别速度快,识别正确率高,实现了医疗设备质控检测原始记录表批量化、智能化、电子化自动录入,节省了大量人力,提高了质控检测数据整理效率,为质控检测数据的深度分析打下坚实基础。
