Künstliche Intelligenz entziffert unleserliche Arztrezepte

MÜNCHEN. Mit neuronalen Netzen kann die Erkennungsrate der optischen Schriftzeichenerkennung bei unleserlichen Arztrezepten erheblich gesteigert werden.

Eine entsprechende Lösung hat Veronika Dashuber, Absolventin des Masters Informatik an der Hochschule München, nun entwickelt. An mancher ausschweifenden Unterschrift scheitere die automatische Schriftzeichenerkennung – zum Beispiel bei der Abrechnung. Und auch Rahmenlinien auf den Formularen trügen dazu bei, dass viele Rezepte per Hand bearbeitet werden müssten.

Dashubers neuronale Netzwerke entfernen die Störgrößen Schrift und Linien auf Rezepten künftig effektiver. Der Einsatz des "Convolutional Denoising Autoencoder" im produktiven Betrieb ermögliche eine Einsparung von 300 Arbeitsstunden pro Monat, so Dashuber. (maw)