评估偏见和质量问题在交叉方式图像翻译研究神经放射学:一个系统的审查
Shannon L Walston1, Hiroyuki Tatekawa1, Hirotaka Takita1
1From the Department of Diagnostic and Interventional Radiology (S.L.W., H.Tatekawa, H.Takita, Y.M., D.U.), Graduate School of Medicine, Osaka Metropolitan University, Osaka, Japan.
AJNR. American journal of neuroradiology
|April 25, 2024
概括
用于脑图像翻译的人工智能 (AI) 面临着阻碍临床使用的关键问题. 医学和工程领域之间的合作对于改善AI模型报告和验证以获得更好的临床应用至关重要.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 放射学 放射学是一门学科.
背景情况:
- 间模式图像对图像翻译是一种人工智能技术,用于从另一个图像模式生成一种图像模式.
- 人工智能模型在医学成像中越来越多地用于诸如脑图像翻译等任务.
研究的目的:
- 系统地识别和量化人工智能模型中的偏差和质量问题,以实现多种方式的大脑图像翻译.
- 评估阻止这些AI模型临床应用的因素.
主要方法:
- 在PubMed,Scopus和IEEE Xplore搜索了基于人工智能的图像翻译模型的放射性脑图像 (2017年4月-2023年8月).
- 通过使用医学成像人工智能检查清单 (CLAIM) 评估了102项研究的质量,并使用PROBAST进行了偏差.
- 在医学专注和工程专注的文章之间,对CLAIM和PROBAST标准的遵守程度进行了比较.
主要成果:
- 对CLAIM的中位坚持率为69%,对PROBAST的中位坚持率为38%.
- 专注于医学的文章显示,总体上,CLAIM的遵守率 (73%) 比专注于工程的文章 (65%) 高.
- 专注于工程研究的研究对模型描述的坚持性更好,但整体坚持性低于医学研究.
结论:
- 大多数研究都存在关键问题,阻止AI脑图像翻译的临床应用.
- 专注于工程的人工智能研究,虽然在技术描述方面强大,但与医学研究相比,在整体遵守方面落后.
- 改善医疗和工程领域之间的报告和协作对于推进临床AI应用至关重要.
更多相关视频
10:25Brain Infarct Segmentation and Registration on MRI or CT for Lesion-symptom Mapping
Published on: September 25, 2019
48.0K
10:09Transferring Cognitive Tasks Between Brain Imaging Modalities: Implications for Task Design and Results Interpretation in fMRI Studies
Published on: September 22, 2014
13.2K
