骨髓瘤观察研究的策划 MALIMAR使用XNAT:解决现实世界数据所带来的挑战
Simon J Doran1,2, Theo Barfoot3,4, Linda Wedlake5
1Division of Radiotherapy and Imaging, The Institute of Cancer Research, London, UK. simon.doran@icr.ac.uk.
Insights into imaging
|February 16, 2024
概括
数据策划对于使用真实世界医学成像的机器学习研究至关重要. 马利马尔研究强调了强大的数据管理如何确保人工智能开发可靠的结果.
科学领域:
- 医学成像信息学 医学成像信息学
- 机器学习在瘤学中的应用
- 在医疗保健中的数据科学.
背景情况:
- 机器学习在骨髓瘤反应 (MALIMAR) 研究结合了现实世界和临床试验数据从多个MRI扫描仪超过十年.
- 由于成像协议和数据源的异质性,需要进行广泛的数据策划.
研究的目的:
- 描述MALIMAR观测研究的数据整理过程.
- 为突出机器学习准备异质真实世界成像数据的挑战和解决方案.
- 强调研究存储库在管理大规模成像数据集中的作用.
主要方法:
- 图像聚合,假名化,以及从回顾性和前性来源清理数据.
- 使用XNAT存储库进行多站点数据访问,注释和质量保证.
- 开发数据协调和验证的程序方法.
主要成果:
- 从432名受试者中策划了736次全身MRI会议,解决了扫描协议和图像组合算法的问题.
- 识别和缓解历史数据档案的问题,尽可能恢复不完整的数据集.
- 开发软件来清理和协调数据,这对随后的机器学习有影响.
结论:
- 数据策划对于使用真实数据的成功机器学习研究至关重要.
- 像XNAT这样的研究存储库增强了数据的稳定性,一致性和AI的价值.
- 对于未来的大规模多机构成像项目来说,先进的策划技术至关重要.
更多相关视频
10:04Establishment of a Human Multiple Myeloma Xenograft Model in the Chicken to Study Tumor Growth, Invasion and Angiogenesis
Published on: May 1, 2015
13.1K
07:24Repression of Multiple Myeloma Cell Growth In Vivo by Single-wall Carbon Nanotube SWCNT-delivered MALAT1 Antisense Oligos
Published on: December 13, 2018
6.4K
