Архитектурное Обоснование И Пилотная Оценка Модифицированного Htr-модуля Для Распознавания Плотных Рукописных Медицинских Полей

Counts differ because each database indexes a different set of publications. We treat OpenAlex as the canonical count; Google Scholar is not shown (no API, and crawling it violates its ToS).

Актуальность работы обусловлена высокой трудоёмкостью ручного ввода данных из рукописных карт вызова бригад скорой медицинской помощи (СМП): при суточном объёме в несколько тысяч вызовов на обработку одного документа уходит от нескольких до десятков минут. Существующие универсальные решения оптического распознавания символов недостаточно эффективны для медицинских рукописных текстов из-за специфической лексики, аббревиатур, латинских терминов и неоднородного качества изображений.Целью работы является обоснование и пилотная оценка гибридной нейросетевой архитектуры ResNet18 TE CTC (CNN блок ResNet18, Transformer Encoder, декодер CTC) в качестве HTR модуля системы MedForm HTR. Ключевым этапом выступает аналитическое и экспериментальное подтверждение целесообразности модификации CNN блока на базе ResNet18 под CTC HTR, поскольку именно он во многом определяет точность распознавания.В ходе исследований подтверждён доменный сдвиг между эталонными данными и картами СМП, показана необходимость доменного дообучения и продемонстрировано преимущество предложенной архитектуры для распознавания плотных гетерогенных рукописных полей. Выявлены факторы, ограничивающие качество распознавания; их устранение предполагает дальнейшие работы по предподготовке документации, обучению HTR модуля и интеграции других компонентов MedForm HTR (в том числе медицинского словаря), реализуя систему как конвейер обработки медицинских документов.