开发用于医学成像分析的深度学习算法的可重现性:系统性审查
Mana Moassefi1, Pouria Rouzrokh2,3, Gian Marco Conte2
1Artificial Intelligence Lab, Department of Radiology, Mayo Clinic, Rochester, MN, USA. Moassefi.mana@Mayo.edu.
Journal of digital imaging
|July 5, 2023
概括
医疗成像的人工智能 (AI) 的可复制性很低. 大多数深度学习研究缺乏足够的方法细节,阻碍了对放射学人工智能的科学信任和进展.
科学领域:
- 人工智能的人工智能
- 医疗成像医学成像
- 放射学 放射学是一门学科.
背景情况:
- 人工智能 (AI) 在医疗成像中的复杂任务自动化方面表现有前途.
- 科学中的可重现性危机,包括深度学习 (DL),侵蚀了信任,增加了撤回.
- 现有的医学成像人工智能检查清单并没有专门讨论可重现性.
结论:
- 在JDI内医学成像中DL的出版物往往缺乏复制发现所需的细节.
- 改进报告标准对于提高放射学AI研究的科学价值和可信度至关重要.
