在超声波医疗图像数据库建设中,通过人工智能逐步预注释,大幅降低手动注释成本

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 计算机辅助诊断 计算机辅助诊断

背景情况:

• 医疗图像数据库的构建需要大量的手动注释,这是昂贵和耗时的.
• 自动化注释过程的部分可以显著降低成本,提高效率.

研究的目的:

• 调查使用人工智能 (AI) 模型用于医疗图像自动预注释的可行性.
• 评估AI驱动注释在构建医学图像数据库中的成本节约潜力和准确性,使用甲状腺结节超声波图像作为案例研究.

主要方法:

• 利用YOLOv8人工智能模型对甲状腺结节的超声波图像进行自动预注释.
• 采用常规和超声波特有的图像增强技术来增强AI模型培训和平衡类量.
• 在原始和增强的图像数据上训练AI模型进行比较分析.

主要成果:

• 使用增强数据进行人工智能模型训练显著超过使用原始图像进行训练.
• 人工智能预注释为初级医生节省了至少30%的手动注释工作负载,其中有1360张图像和7个甲状腺结节类.
• 凭借6800张图像,人工智能模型的分类准确度与初级医生的分类准确度非常相匹配,消除了对初步手动注释的需求.

结论:

• 人工智能驱动的预注释是一种可行且有效的方法,可以降低医疗图像数据库建设中的手动注释成本.
• 使用增强数据和专门的增强技术对于提高医疗图像注释中的AI模型性能至关重要.
• 这种方法有可能简化大规模医疗图像数据集的创建,加速研究和临床应用.