关于在放射学中创建可复制人工智能的基准数据集的建议

科学领域:

• 医疗成像医学成像
• 医疗保健中的人工智能
• 放射学 信息学 信息学

背景情况:

• 人工智能 (AI) 在医疗保健,特别是放射学方面表现有前途,但有限的通用性阻碍了采用.
• 缺乏可用于外部验证的可访问数据是人工智能研究和工业的主要障碍.
• 标准化的基准数据集对于评估和改进人工智能的通用性至关重要.

研究的目的:

• 为创建强大的放射学基准数据集提供建议.
• 确定当前开发和可访问这些数据集的局限性.
• 探索用于推进放射学AI验证的新方法.

主要方法:

• 审查当前的实践和挑战在AI数据集创建放射学.
• 分析影响数据集质量的因素,包括预处理,监管考虑和生物统计原则.
• 探索用于基准数据集开发的潜在新方法.

主要成果:

• 基准数据集对于验证放射学AI软件性能至关重要.
• 创建数据集的关键考虑因素包括图像质量,案例代表性和数据多样性.
• 可访问和精心策划的数据集对于提高人工智能工具的可靠性和稳定性至关重要.

结论:

• 开发高质量的基准数据集是朝着在临床放射学中广泛采用AI迈出的关键一步.
• 解决数据访问和标准化的局限性将加速人工智能验证和临床集成.
• 未来的努力应集中在合作方法上,以创建全面和代表性的放射性AI基准数据集.