DEXTER：一种从电子医疗健康文档中提取表格内容的端到端系统
计算机视觉与模式识别
2022-07-19 v2
摘要
在本文中，我们提出 DEXTER，一种用于从医疗健康文档（如电子健康记录（EHR）和福利说明（EOB））中存在的表格提取信息的端到端系统。DEXTER 由四个子系统阶段组成：i）表格检测；ii）表格类型分类；iii）单元格检测；iv）单元格内容提取。我们提出一种基于两阶段迁移学习的方法，使用 CDeC-Net 架构并结合非极大抑制（Non-Maximal suppression）进行表格检测。我们设计了一种基于传统计算机视觉的方法，利用基于图像大小参数化的核来检测行和列，用于表格类型分类和单元格检测。最后，我们使用已有的 OCR 引擎 Tessaract 从检测到的单元格中提取文本。为评估我们的系统，我们手动标注了真实世界医疗数据集（称为 Meddata）的样本，该数据集包含外观差异很大的文档，涵盖不同的表格结构，如带边框、部分边框、无边框或彩色表格。我们通过实验表明，在标注的真实世界医疗数据集上，DEXTER 优于商业可用的 Amazon Textract 和 Microsoft Azure Form Recognizer 系统。
引用
@article{arxiv.2207.06823,
title = {DEXTER: An end-to-end system to extract table contents from electronic medical health documents},
author = {Nandhinee PR and Harinath Krishnamoorthy and Koushik Srivatsan and Anil Goyal and Sudarsun Santhiappan},
journal= {arXiv preprint arXiv:2207.06823},
year = {2022}
}