清洁和协调医疗图像数据可靠的人工智能:从纵向口腔癌自然史研究中吸取的经验教训 研究数据数据

科学领域:

• 医疗图像分析 医学图像分析
• 人工智能在瘤学中的应用
• 口腔癌的研究研究.

背景情况:

• 深度学习需要大量,多样化,高质量的数据集.
• 现实世界的数据经常存在错误,噪音,不一致性和缺失的值.
• 这些数据问题在大型多站点数据集中尤为普遍.

研究的目的:

• 为人工智能驱动的口腔癌自然历史研究准备图像数据.
• 为了应对数据清理和注释提取方面的挑战.
• 提高数据准备流程的效率和自动化.

主要方法:

• 数据清理:删除重复数据,处理缺失数据,纠正错误,标准化数据集,删除敏感信息.
• 数据协调:结合来自不同研究地点的数据.
• 摘取注释:识别和标准化与图像相关的临床文本.

主要成果:

• 开发并应用了用于全面清理和协调图像数据的方法.
• 实施了用于提取和标准化关键注释信息的策略.
• 确定了有效准备数据的挑战和建议的解决方案.

结论:

• 有效的数据准备,包括清理和注释提取,对于口腔癌研究中成功开发AI至关重要.
• 提出的方法为改善数据质量和一致性提供了洞察力.
• 未来的工作包括探索机器学习技术,以自动化这些必要的过程.