众包基于人类的计算方法,用于标记来自状细胞病患者的外周血液涂抹样本图像,使用非专家用户
José María Buades Rubio1, Gabriel Moyà-Alcover1,2, Antoni Jaume-I-Capó3,4
1UGiVIA Research Group, Department of Mathematics and Computer Science, University of the Balearic Islands, 07122, Palma, Spain.
Scientific reports
|January 12, 2024
概括
在状细胞疾病 (SCD) 中,使用机械土耳其人进行外周血液涂抹图像分析的人类计算显示在达成共识时具有高准确性. 这种方法可以帮助培训自动诊断工具.
科学领域:
- 医疗成像医学成像
- 计算生物学 计算生物学
- 血液学 血液学 血液学
背景情况:
- 状细胞疾病 (SCD) 的诊断依赖于周围血液涂抹 (PBS) 图像分析.
- 自动化方法需要大,准确注释的数据集.
- 基于人类的计算为数据集注释提供了一个潜在的解决方案.
研究的目的:
- 评估一种基于人类的计算方法,用于分析SCD患者的PBS图像.
- 用机械土耳其评估众包图像标签的准确性和可靠性.
- 确定使用这种方法用于训练自动诊断系统的可行性.
主要方法:
- 利用机械土耳其人进行众包,标记PBS图像.
- 在群众工作者中采用了强大的共识机制.
- 与专家标记的数据集 (erythrocytesIDB) 相比,验证了众包标签.
主要成果:
- 在机械土耳其工人之间达成强有力的共识时,错误的概率非常低.
- 与专家分析相比,基于人类的计算方法表现出高准确度.
- 这些发现支持众包对于PBS图像注释的实用性.
结论:
- 基于人类的计算,特别是具有强大的共识,是用于SCD注释PBS图像的可靠方法.
- 这种方法可以促进数据集的创建,用于训练自动化SCD诊断工具.
- 未来的工作将探索将这些发现与自动化方法进行整合,以提高诊断准确度.
