Dokumentasjon
OCR (optisk tegngjenkjenning)
Teknologi som gjenkjenner tegn i bilder og gjør dem til maskinlesbar tekst, for eksempel fra en skannet side.
Forklaring
OCR står for Optical Character Recognition, på norsk optisk tegngjenkjenning. Teknologien brukes til å hente tekst fra et bilde. En skannet PDF kan bestå av sidebilder uten tekstobjekter. OCR kan gjøre innholdet tilgjengelig for tekstsøk eller videre tekstbehandling.
En PDF med tekstlag og en PDF med bare bilder kan se like ut på skjermen. En vanlig tekstleser kan hente tekst fra den første uten å kjenne igjen tegn i bilder. Den andre trenger OCR eller en annen metode for å lese bildet. Filendelsen PDF sier derfor ikke alene hva et søkeverktøy kan lese.
Gjenkjent tekst må kontrolleres mot originalen. Tegn, tall, desimalkomma, datoer og leserekkefølge kan bli feil. Et dokument kan også ha både tekstsider og bildesider. At noen sider gir tekst, viser ikke at alle sidene er lest.
Ved KI-journalsøk bør lesing av dokumentet og kvaliteten på KI-svaret undersøkes hver for seg. Først må relevante opplysninger være tilgjengelige. Deretter må søket finne dem, og svaret må gjengi dem riktig med en kilde som kan kontrolleres. En korrekt lenke til filen er ikke alene bevis for at en opplysning er lest eller forstått riktig.
Bruk helt fiktive dokumenter i en kjøpstest. Lag samme korte side med tekstlag og som et rent bilde. Kontroller hva produktet leser i begge tilfeller, og avklar hvilken tjeneste som behandler filen ved eventuell OCR. Ikke last opp reelle pasientdokumenter til en tilfeldig konverteringstjeneste.
Viktige punkter
- Gjør tegn i bilder til maskinlesbar tekst
- En PDF kan inneholde tekst, bilder eller begge deler
- Gjenkjente tall, tegn og datoer må kontrolleres
- Tekstlesing og KI-generering er forskjellige steg
- Test filtypen og arbeidsmåten med fiktive dokumenter
Eksempel fra praksis
Fiktiv prøve: En side inneholder referansen TEST-ALFA-731 og verdien 7,5. Lag en tekst-PDF og en bilde-PDF, og kontroller at begge opplysningene blir lest korrekt.
Vanlige spørsmål
Har alle skannede PDF-er et tekstlag?
Nei. En PDF kan være et rent sidebilde, ha et tekstlag fra tidligere OCR eller inneholde både bilder og tekst. Kontroller den aktuelle filen.
Er OCR det samme som et KI-svar?
Nei. OCR gjenkjenner tekst i bilder. Et senere søk eller KI-svar kan bruke den teksten, men må kontrolleres som et eget steg.
Kom i gang
Spar tid på dokumentasjon
Journalhjelp fyller skjemautkast med dokumenterte opplysninger og viser kildene i journalen.