dc.creator.ID |
LIMA, L. S. |
pt_BR |
dc.creator.Lattes |
http://lattes.cnpq.br/2986992748216346 |
pt_BR |
dc.contributor.advisor1 |
GOMES, Herman Martins. |
|
dc.contributor.advisor1ID |
GOMES, H. M. |
pt_BR |
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/4223020694433271 |
pt_BR |
dc.contributor.referee1 |
PEREIRA, Eanes Torres. |
|
dc.contributor.referee1ID |
PEREIRA, E. T. |
pt_BR |
dc.contributor.referee1Lattes |
http://lattes.cnpq.br/2030738304003254 |
pt_BR |
dc.contributor.referee2 |
BRASILEIRO, Francisco Vilar. |
|
dc.contributor.referee2ID |
BRASILEIRO, F. V. |
pt_BR |
dc.contributor.referee2Lattes |
http://lattes.cnpq.br/5957855817378897 |
pt_BR |
dc.description.resumo |
O reconhecimento de datas em prescrições médicas é uma tarefa crítica para garantir a segurança do paciente e a eficiência dos processos médicos. Este estudo propõe uma análise comparativa entre modelos de reconhecimento óptico de caracteres (OCR) e modelos de reconhecimento de texto manuscritos para identificar e extrair datas de prescrições médicas. O reconhecimento preciso de datas é essencial para evitar erros de medicação e garantir a administração adequada de tratamentos. Avaliamos a precisão, a velocidade e a robustez dos modelos em diferentes cenários e tipos de caligrafia, considerando as variações comuns encontradas em prescrições médicas. Os resultados mostram que os modelos de OCR apresentam vantagens em termos de velocidade e precisão em textos impressos, enquanto os modelos de reconhecimento de texto manuscritos destacam-se na interpretação de caligrafias variadas. Essas descobertas fornecem insights valiosos para o desenvolvimento de sistemas de reconhecimento de datas mais eficazes em ambientes clínicos. |
pt_BR |
dc.publisher.country |
Brasil |
pt_BR |
dc.publisher.department |
Centro de Engenharia Elétrica e Informática - CEEI |
pt_BR |
dc.publisher.initials |
UFCG |
pt_BR |
dc.subject.cnpq |
Ciência da Computação |
pt_BR |
dc.title |
Reconhecimento de datas manuscritas em prescrições médicas: comparativo entre OCRs com Licença de Software Livre e uma solução comercial. |
pt_BR |
dc.date.issued |
2024-05-15 |
|
dc.description.abstract |
Date recognition in medical prescriptions is a critical task to ensure patient safety and the efficiency of medical processes. This study proposes a comparative analysis between optical character recognition (OCR) models and handwritten text recognition models to identify and extract dates from medical prescriptions. Accurate date recognition is essential to avoid medication errors and ensure proper treatment administration. We evaluated the accuracy, speed, and robustness of the models in different scenarios and handwriting types, considering common variations found in medical prescriptions. The results show that OCR models have advantages in terms of speed and accuracy in printed texts, while handwritten text recognition models excel in interpreting varied handwritings. These findings provide valuable insights for the development of more effective date recognition systems in clinical settings. |
pt_BR |
dc.identifier.uri |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/38055 |
|
dc.date.accessioned |
2024-09-26T17:01:36Z |
|
dc.date.available |
2024-09-26 |
|
dc.date.available |
2024-09-26T17:01:36Z |
|
dc.type |
Trabalho de Conclusão de Curso |
pt_BR |
dc.subject |
Reconhecimento de Texto Manuscrito |
pt_BR |
dc.subject |
Prescrições Médicas |
pt_BR |
dc.subject |
Aprendizado de Máquina |
pt_BR |
dc.subject |
Tesseract OCR |
pt_BR |
dc.subject |
EasyOCR |
pt_BR |
dc.subject |
Google Cloud Vision API |
pt_BR |
dc.subject |
OCR |
pt_BR |
dc.subject |
Handwritten Text Recognition |
pt_BR |
dc.subject |
Medical Prescriptions |
pt_BR |
dc.subject |
Machine Learning |
pt_BR |
dc.rights |
Acesso Aberto |
pt_BR |
dc.creator |
LIMA, Leandro de Souto. |
|
dc.publisher |
Universidade Federal de Campina Grande |
pt_BR |
dc.language |
por |
pt_BR |
dc.title.alternative |
Recognition of handwritten dates in medical prescriptions: comparison between OCRs with Free Software License and a commercial solution. |
pt_BR |
dc.identifier.citation |
LIMA, Leandro de Souto. Reconhecimento de datas manuscritas em prescrições médicas: comparativo entre OCRs com Licença de Software Livre e uma solução comercial. 2024. 10 f. Artigo (Bacharelado em Ciência da Computação) - Universidade Federal de Campina Grande, Centro de Engenharia Elétrica e Informática, Campina Grande, Paraíba, Brasil, 2024. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/38055 |
pt_BR |