ข้อมูลจากบทคัดย่อ
ยังไม่มีสรุปภาษาไทยสำหรับระเบียนนี้
ด้านล่างเป็นบทคัดย่อต้นฉบับภาษาอังกฤษจากข้อมูลบรรณานุกรม โปรดตรวจบทความต้นฉบับก่อนอ้างอิง
Electronic health records (EHRs) are a valuable resource for generating real-world evidence. However, their utilization can be challenging as these reports are largely unstructured texts stored in image formats or accumulated scans or images, thereby hindering efficient data feature extraction. With the development of computer vision and large language models (LLMs), there is a growing opportunity to explore their application in overcoming these challenges. This paper explores the potential use of computer vision and LLMs to extract data from text-containing images of polysomnography (PSG) reports obtained from the sleep laboratory center of a tertiary care hospital in Thailand. We utilized a two-phase approach: (1) extracting text from image-based PSG reports using Differential Binarization Network (DBNet) within EasyOCR Python library, and (2) deriving feature values from the extracted text using ChatGPT-3.5 through task-specific prompt strategies. Performance was measured across different stages of the conversion process. Results show that computer vision and LLMs have the potential to substantially enhance the efficiency of feature extraction for evidence synthesis. The most common errors encountered in both phases were numerical, symbol, and character encoding errors. ChatGPT-3.5 reliably extracted features from sleep reports, with further error reduction achieved through improved prompt strategies. Although promising, we emphasize the need for extensive testing across diverse document qualities and conditions to fully understand the challenges and pitfalls of using computer vision and LLMs for feature extraction in real-world scenarios.
เหตุผลที่อยู่ในฐานติดตาม
ระเบียนนี้ได้รับ Impact Signal 77/100 จากความใหม่ แหล่งเผยแพร่ ความร่วมมือ และสัญญาณในข้อมูลบรรณานุกรม คะแนนนี้ใช้จัดลำดับการติดตาม ไม่ใช่การตัดสินคุณภาพงานวิจัย
ประเด็นที่เกี่ยวข้อง: Obstructive Sleep Apnea Research · Sleep and related disorders · Machine Learning in Healthcare
บทบาทของนักวิจัยและสถาบันไทย
Bikal Shrestha · R Sr Wabina · Pawin Numthavaj · Visasiri Tantrakul · Ammarin Thakkinstian · Mahidol University · Ramathibodi Hospital · Bangkok University
ข้อจำกัดของข้อมูล
หน้านี้เป็นระเบียนบรรณานุกรมและข้อมูลจากบทคัดย่อ ยังไม่ใช่บทวิเคราะห์ฉบับเต็มหรือการประเมินคุณภาพงานวิจัย ควรตรวจสอบ DOI และเอกสารต้นฉบับก่อนนำไปอ้างอิง