临床基准数据集用于AI准确性分析:量化骨盆倾斜的放射性注释
Yuan Chai1, A Mounir Boudali2, Vincent Maes3,4
1Sydney Musculoskeletal Health and The Kolling Institute, Northern Clinical School, Faculty of Medicine and Health and the Northern Sydney Local Health District, Sydney, NSW, Australia. yuanchai95@gmail.com.
Scientific data
|October 22, 2024
概括
这项研究引入了来自骨盆放射的骨盆倾斜地标的基准数据集. 这些发现量化了临床环境中的注释准确性,有助于AI开发和验证.
科学领域:
- 医疗成像医学成像
- 放射学 放射学 放射学 放射学
- 人工智能在医学中的应用
背景情况:
- 精确的放射标志注释对于患者诊断和解剖参数评估至关重要.
- 临床挑战包括含糊不清的定义,人为错误和可变的图像质量,影响患者护理.
- 人工智能驱动的地标本地化通常缺乏验证热图预测的临床标准.
研究的目的:
- 为了呈现一个临床基准数据集的骨盆倾斜地标.
- 在临床环境中使用概率方法量化注释准确度.
- 为人工智能研究提供可重复使用的数据集,并为其他里程碑建立临床准确性基准.
主要方法:
- 追溯分析115个骨盆斜的X光片.
- 五个独立的注释者对骨盆倾斜参数的注释.
- 概率数据收集以测量注释准确性和标志云大小.
主要成果:
- 具有里程碑意义的云大小在95%的数据集值下从6.04毫米到17.90毫米不等.
- 在临床环境中,最大角差异在9.51°至16.55°之间.
- 为每个地标生成了量化点云数据集,使得对注释分布和影响的分析成为可能.
结论:
- 开发的数据集为骨盆倾斜地标准确性提供了临床基准.
- 概率方法允许对注释变化和方向分布进行评估.
- 这种方法可用于建立其他放射性地标的准确性基准,并支持AI验证.


