由于放射科医生对计算机化病变检测培训数据的注释差异,性能变化

科学领域:

• 医学成像分析分析 医学成像分析
• 机器学习在医疗保健中的应用
• 放射学信息学 放射学信息学

背景情况:

• 放射科医生的注释质量显著影响基于机器学习的计算机辅助检测 (CAD) 软件性能.
• 放射科医生在图像解释方面的经验是注释变化的潜在来源.

研究的目的:

• 调查不同放射科医生经验如何影响注释变化.
• 评估重新培训CAD软件对其性能的影响,包括不同经验水平的放射科医生的注释.
• 评估多位放射科医生的综合注释对CAD软件性能的影响.

主要方法:

• 利用两种CAD软件类型来检测肺结节和脑动脉瘤.
• 十二位具有不同经验水平的放射科医生独立注释了病变.
• 通过重复的CAD软件再培训,以个人和综合的放射科医生注释来研究性能变化.

主要成果:

• 在重新培训后,CAD软件的性能与不同放射科医生的注释有很大差异.
• 在某些情况下,再培训导致软件性能与初始版本相比降低.
• 综合注释显示了基于CAD软件类型的各种性能趋势,与单一注释器使用相比,脑动脉瘤检测的性能下降.

结论:

• 放射科医生经验和影响CAD表现的注释变异性之间没有直接相关性.
• 综合注释的再培训对绩效的影响因具体的CAD软件而异.
• 放射科医生之间的注释变化可能会影响CAD软件的性能,需要在再培训和开发过程中仔细考虑.