柱状图栅格图像的数据自动提取
信息检索
2020-11-10 v1
摘要
目的：开发利用光学字符识别的软件，以实现从柱状图中自动提取数据用于荟萃分析。方法：我们采用了多步数据提取方法，包括图形提取、文本检测和图像拆解。以此方式处理的PubMed Central论文涉及黄斑变性（一种导致失明、疾病负担重且临床试验众多的疾病）的临床试验。以自动和手动两种方式提取柱状图特征，然后比较两种方法的准确性，并使用Bland-Altman分析比较这些特征。结果：基于Bland-Altman分析，91.8%的数据点在一致性界限内。将自动数据提取与手动数据提取比较，自动数据提取获得以下准确率：X轴标签79.5%，Y轴刻度值88.6%，Y轴标签88.6%，柱值误差<5%者88.0%。讨论：基于我们的分析，自动与手动数据提取间达成了一致。一个主要误差来源是光学字符识别库将7误辨为2。我们也将受益于以深度神经网络形式增加冗余检查以提升柱检测准确率。进一步完善该方法以提取表格和折线图数据，从而促进荟萃分析的自动数据收集是合理的。
引用
@article{arxiv.2011.04137,
title = {Automated data extraction of bar chart raster images},
author = {Alex Carderas and Ye Yuan and Itamar Livnat and Ryan Yanagihara and Rosita Saul and Gabrielle Montes De Oca and Kai Zheng and Andrew W. Browne},
journal= {arXiv preprint arXiv:2011.04137},
year = {2020}
}