본 논문에서는 비전 기술을 이용한 의료용 설문지 인식 시스템 개발을 제안한다. 제안한 시스템은 의료 보건 분야의 지역사회 건강조사에서 사용되는 대량의 설문지를 대상으로 정확한 인식 및 효과적 일괄처리를 할 수 있다. 시스템은 설문지 스캐닝, 답안 인식 및 오류 데이터처리, 결과데이터 검증, 이미지 저장 및 DB구축, 설문결과 분석으로 구성되어 있다. 기존의 자동인식을 위한 시스템과 달리 사용하는 설문의 양식에서 자유롭고, 다양한 표기와 오표기를 처리하여 정확한 인식을 가능하게 한다. 제안한 시스템은 실험을 통해 표기에 대한 98.9% 인식률을 확인하였다.
본 논문에서는 비전 기술을 이용한 의료용 설문지 인식 시스템 개발을 제안한다. 제안한 시스템은 의료 보건 분야의 지역사회 건강조사에서 사용되는 대량의 설문지를 대상으로 정확한 인식 및 효과적 일괄처리를 할 수 있다. 시스템은 설문지 스캐닝, 답안 인식 및 오류 데이터처리, 결과데이터 검증, 이미지 저장 및 DB구축, 설문결과 분석으로 구성되어 있다. 기존의 자동인식을 위한 시스템과 달리 사용하는 설문의 양식에서 자유롭고, 다양한 표기와 오표기를 처리하여 정확한 인식을 가능하게 한다. 제안한 시스템은 실험을 통해 표기에 대한 98.9% 인식률을 확인하였다.
In This Paper, We Propose the Development of a Medical Questionnaire Recognition System using Vision Technology. The Proposed System is Able to Accurately Recognize and Effectively Process a Large Number of Questionnaires used in Community Health Surveys in the Medical and Health Fields. The System ...
In This Paper, We Propose the Development of a Medical Questionnaire Recognition System using Vision Technology. The Proposed System is Able to Accurately Recognize and Effectively Process a Large Number of Questionnaires used in Community Health Surveys in the Medical and Health Fields. The System Consists of Questionnaire Scanning, Answer Recognition and Error Data Processing, Result Data Verification, Image Storage and DB Construction, and Analysis of Questionnaire Results. Unlike Existing Systems, This System is Free from the Form of Questionnaires used, and Enables Accurate Recognition by Processing Various Markings and Erroneous Markings. Experimental Results Show that the Proposed System has 98.9% Recognition rate.
In This Paper, We Propose the Development of a Medical Questionnaire Recognition System using Vision Technology. The Proposed System is Able to Accurately Recognize and Effectively Process a Large Number of Questionnaires used in Community Health Surveys in the Medical and Health Fields. The System Consists of Questionnaire Scanning, Answer Recognition and Error Data Processing, Result Data Verification, Image Storage and DB Construction, and Analysis of Questionnaire Results. Unlike Existing Systems, This System is Free from the Form of Questionnaires used, and Enables Accurate Recognition by Processing Various Markings and Erroneous Markings. Experimental Results Show that the Proposed System has 98.9% Recognition rate.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 다양하고 자유로운 양식으로 제작된 대량의 설문지를 비전 기술을 이용하여 일괄처리하기 위한 시스템을 개발하였다. 일반적으로 설문처리는 설문지작성, 설문조사, 설문데이터 코딩, 코딩된 데이터 분석의 단계로 처리된다.
본 논문에서는 설문지 자동인식 시스템을 개발하였다. 개발된 시스템은 다양하게 자유로운 양식으로 제작된 대량의 설문지를 인식하고, 이들 데이터를 일괄 처리하여 DB화하는 시스템이다.
본 시스템의 목표는 의료 보건 분야의 지역사회 건강조사에서 사용되는 설문지를 대상으로 인식 및 일괄 처리할 수 있는 시스템이다. 대상 설문지는 설문의 수와 형태가 매우 다양하고 복잡하며 피조사자의 수가 많아 수작업으로 빠른 시일 내에 처리하기 어렵다.
제안 방법
또한 기존의 설문지 인식 및 처리의 문제점들을 해결하기 위해 기존의 설문 양식을 바꾸지 않고, 대량의 설문지를 최소의 인력으로 빠른 기간 내에 처리도록 고속 스캐닝 방식을 채택한 영상 분석 및 인식 시스템을 개발하였다. 스캐닝 방식은 스캐너로 답안이 표기된 설문지를 스캐닝 하여 이미지 파일로 보관하고, 동시에 답안 체크 위치를 인식하여 프로그램에서 설문을 처리하는 방법이다.
본 논문에서 개발한 시스템은 다양하게 자유로운 양식으로 제작된 대량의 설문지를 인식하고, 이들 데이터를 일괄 처리하여 DB화하는 시스템을 개발하였다. 이는 대량의 설문지/답안지를 자동문서 공급 장치(ADF)에 의해 한 번에 약 60매씩 연속 공급하고, A4 단면 200dpi 기준으로 약 30ppm, 양면으로 약 60ipm 고속 스캔과 동시에 스캔 중에 발행하는 밀림과 뒤틀림을 보정하도록 개발한다.
본 논문의 제안 시스템은 대량설문지가 자동으로 스캐너를 통해 스캔되어 입력되면 설문인식 프로그램이 이를 받아 인식 및 처리하고, 이를 최종결과 확인 및 데이터 분석을 위하여 다음 시스템으로 넘겨준다.
또한 해외의 주요 설문지/답안지 인식 관련 업체에서 스캐닝 방식을 채용한 솔루션 연구 개발을 활발히 진행 중이며 이미 Gravic,Inc. 사의 스캐닝 방식의 OMR 처리는 제한된 자율양식을 작성할 수 있는 소프트웨어 개발과 이로 만들어진 설문지/답안지를 일반 스캐너를 이용한 인식처리 시스템을 개발하였다.
실험을 위한 하드웨어는 대량의 설문지를 자동 문서 공급 장치(ADF)에 의해 한 번에 약 60매 이상으로 연속 공급 가능하게 하고, A4 단면 200dpi 기준으로 약 30ppm, 양면으로 약 60ipm 이상의 고속 스캔과 동시에 스캔 중에 발행하는 밀림과 뒤틀림을 보정하도록 개발하여 전체 시스템에서 인식 처리능력을 30ppm 이상으로 이끌어냈다
대상 데이터
Tabel 2에서 데이터구분은 10명이 작성한 설문지 5set의 구분이고, 각 객관식 910문항에 대한 인식 성공 판정여부로 인식률을 평가하였다. 평균 인식률은 98.
설문데이터 생성을 위해 표기 방법을 달리하는 10명을 대상으로 동일한 대상 설문지를 5회씩 작성토록 하여 총 50개의 설문지 데이터를 생성하였다.
제안한 시스템의 성능과 데이터에 대한 인식률을 평가하기 위해 대상 설문지는 복잡도가 높은 지역사회 건강조사 설문을 사용하였다. 설문지는 36페이지 분량으로 주관식 26문항과 객관식 182문항으로 구성되어 있고, 인식률은 객관식 문항의 표기된 데이터에 대한 평가이다.
성능/효과
먼저 제안한 시스템의 처리성능은 1set 설문지에 대해 스캔 단계를 제외한 오표기 분류 및 확인 과정을 거쳐 코딩까지의 처리시간은 평균 47초로 오표기된 데이터에 대한 2~3회 확인과정을 제외하면 실시간 처리됨을 확인할 수 있다.
후속연구
향후 연구 분야로는 다양한 객관식 문제 인식 분야, 산업계의 표준 양식 인식 등 실제 산업과 연계되는 활용분야가 매우 높을 것으로 기대된다.
질의응답
핵심어
질문
논문에서 추출한 답변
전처리 장치의 역할에는 어떤 것이 있는가?
전처리 장치는 다음과 같은 구성으로 이루어져 있으며, 그 역할은 고속의 문서보급, 영상보정, 대량 스캔 제어 등이다[7-9].
스캐닝 방식의 기술들의 문제점은 무엇인가?
또한 카드리딩 방식의 OMR카드 리더기를 사용하지 않고 사무실이나 가정에서 사용하는 일반적인 스캐너만 있으면 각종 데이터를 전산화할 수 있고, 다양한 인터페이스를 통해 결과 확인 및 분석할 수 있도록 구축되어 있다. 이러한 시스템의 문제점은 대상 설문지의 양과 형식이 복잡할 때 인식률이 낮음을 알 수 있다. 특히 의료설문과 같은 설문지는 설문의 수와 형태가 매우 다양하고 복잡하며 피조사자의 수가 많아 수작업으로 빠른 시일 내에 처리하기 어렵다[6].
일반적으로 설문조사시에 작성된 내용을 전산화하기 위해서 어떤 기술을 사용했는가?
일반적으로 설문조사시에 작성된 내용을 전산화하기 위해서 OMR카드, 카드리더기와 같은 정형화된 규격의 답안지와 이를 자동으로 인식할 수 있는 장치를 필요로 하는 카드리딩 방식 기술을 사용했다[1]. 최근 국내 외의 관련 기술로써 스캐너를 통해 읽어 들인 답안지를 이미지파일로 저장한 후에 인식 처리 프로그램을 통해 설문지 의 내용을 전산 데이터화하는 스캐닝 방식의 기술들이 등장하고 있다[2-6].
참고문헌 (9)
Park, Y. H., "The Current Staus and Prospects of Medical Record & Privacy Protection Policy", Korean Journal of Medicine and Law, Vol. 13, No. 1, pp. 87-98, 2005.
Park, S. H., Hwang, J. H., Ju, J. S., Ko E. J., Ryu, J. T., and Kim, E. Y., "VFH-based Navigation using Monocular Vision", Journal of the Korea Industrial Information Systems Research, Vol. 16 No. 2, pp. 65-72, 2011.
Park, S. H. and Ryu, J. T., "Face Detection for Medical Service Robot", Journal of the Korea Industrial Information Systems Research, Vol. 16, No. 3, pp. 1-10, 2011.
S. Gaikwad, "Image Processing Based OMR Sheet Scanning," IJARECE, Vol. 4, Issue. 3, pp. 519-522, 2015.
A. Zampirolli, J. A. Gonzalez, and O. Neves, "Automatic Correction of Multiple-Choice Tests using Digital Cameras and Image Processing," Universidade Federal do ABC, Brasil, 2010.
Noh, D. S., Kim, J. H., "Automatic Identification of the OMR Answer Marking Using Smart Phone", Journal of the Korea Contests Association, Vol. 16, No. 9, pp. 694-701, 2016.
Geetha Kiran A and Murali S, "Automatic Rectification of Perspective Distortion from a Single Image Using Plane Homography," International Journal of Computational Sciences & Applications, Vol. 3, No. 5, pp. 47-58, 2013.
B. Gato, I. Pratikakis, and S. Perantonis, "Adaptive Degraded Document Image Binarization", Pattern Recognition, Vol. 39, pp. 317-327, 2006.
J. Zhou, Y. Kiu, and A. Kumar, "Research on Distortion Correction of QR Code Images," International Journal of Computer Science and Technology, pp. 415-420, 2012.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.