MIDRC-MetricTree:一个基于决策树的工具,用于推人工智能辅助医疗图像分析中的性能指标
Karen Drukker1, Berkman Sahiner2, Tingting Hu2
1University of Chicago, Department of Radiology, Chicago, Illinois, United States.
Journal of medical imaging (Bellingham, Wash.)
|April 5, 2024
概括
一个新的交互式决策树,MIDRC-MetricTree,帮助研究人员评估医学成像机器学习 (ML) 算法. 本资源为医疗成像中的各种ML应用提供了特定任务的性能指标和指导.
科学领域:
- 医疗成像医学成像
- 机器学习 机器学习
- 医疗保健中的人工智能
背景情况:
- 医学成像和数据资源中心 (MIDRC) 成立,以支持机器学习 (ML) 在医学成像方面的研究.
- ML算法对于疾病检测,诊断和治疗反应评估等任务至关重要,特别是在COVID-19流行病的背景下.
- 需要标准化方法来评估这些复杂算法的性能.
研究的目的:
- 开发一个公开可访问的计量资源,用于评估医疗图像分析ML算法.
- 为研究人员提供工具,以评估各种医学成像任务中的算法性能.
主要方法:
- 开发了一个交互式决策树,MIDRC-MetricTree.
- 决策树按ML任务类型 (分类,检测/本地化,细分,时间到事件分析,估计) 组织.
- 用户输入任务细节,参考标准的性质和算法输出类型,以获得针对性能评估的定制建议.
主要成果:
- MIDRC-MetricTree提供了有关适当绩效评估方法和指标的指导.
- 建议包括文献参考和相关软件/代码和教程视频的链接.
- 决策树涵盖了各种不同的场景,包括对二进制或多类输出进行分类,以及不同的参考标准可靠性.
结论:
- MIDRC-MetricTree是研究人员的一个有价值的,公开可用的资源.
- 它为广泛的医学成像ML应用程序提供了特定任务的性能评估.
- 该工具有助于在医学成像研究中严格评估ML算法.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.8K
