生物医学数据注释:一个OCT成像案例研究
Matthew Anderson1, Salman Sadiq2, Muzammil Nahaboo Solim2
1School of Computing, Newcastle University, Urban Sciences Building, Newcastle upon Tyne NE4 5TG, UK.
Journal of ophthalmology
|August 31, 2023
概括
在光学连贯断层扫描 (OCT) 扫描上糖尿病黄斑胀 (DME) 的注释质量因临床医生的经验而异. 多次注释会显示,内液 (IRF) 生物标志物准确度的改善有限.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 光学连贯断层扫描 (OCT) 对于视觉化眼睛结构和疾病检测至关重要.
- 深度学习模型需要广泛的,高质量的注释数据集,以进行准确的OCT图像分析.
- 临床注释瓶需要探索来自不同经验水平的临床医生的注释.
研究的目的:
- 在OCT B扫描上评估糖尿病黄斑胀 (DME) 中内液 (IRF) 生物标志物注释的质量.
- 评估临床医生的经验对注释质量的影响.
- 在专家培训后,确定多次注释会的有效性.
主要方法:
- 五位具有不同经验水平的临床医生在DME患者的OCT B扫描上注释了IRF生物标志物.
- 标注质量是根据准确性和一致性进行评估的.
- 评估了经过专家领导的培训后多次注释会的效果.
主要成果:
- 在临床医生中观察到注释表现的显著差异.
- 注释质量与临床医生在解释DME的OCT图像方面的经验有积极的相关性.
- 多次注释会显示对整体注释质量产生有限的积极影响.
结论:
- 临床医生的经验是影响OCTDME图像注释可靠性的关键因素.
- 依靠不那么有经验的注释者可能会损害深度学习模型的数据质量.
- 标准化的培训和质量控制措施对于改善临床AI开发中的注释一致性至关重要.
