审计:一个开源的Python库用于AI模型评估,在MRI脑瘤细分中的用例
Carlos Aumente-Maestro1, Michael Müller2, Beatriz Remeseiro3
1Artificial Intelligence Center, Universidad de Oviedo, Gijón, Spain; ARTORG Center for Biomedical Engineering Research, University of Bern, Bern, Switzerland.
Computer methods and programs in biomedicine
|August 12, 2025
概括
本研究介绍了AUDIT,这是一个开源的Python库,用于评估医疗成像中的人工智能 (AI) 分段模型. 审计通过提供特定区域的功能和交互式分析工具来增强模型的概括性和稳定性.
科学领域:
- 医学图像分析 医学图像分析
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 医疗图像分析人工智能的挑战包括模型概括性差,广泛的数据要求和缺乏临床稳定性.
- 目前的评估框架缺乏基于主题的洞察力,阻碍了偏见识别和领域转移适应.
研究的目的:
- 介绍AUDIT,一个开源的Python库,用于改进AI细分模型评估和MRI数据集分析.
- 解决医疗成像当前AI模型评估的局限性.
主要方法:
- 审计提供模块,用于特定区域的特征提取和性能指标计算.
- 包括一个动态的Web应用程序,用于交互式模型评估和数据探索.
- 旨在增强MRI数据集的分析.
主要成果:
- 审计提供开源代码,教程和文档,以便轻松安装和使用.
- 通过常见的人工智能驱动的大脑瘤细分使用案例来证明多功能性和广泛适用性.
- 促进了对细分模型的交互式探索和评估.
结论:
- 审计填补了评估人工智能细分模型的关键缺口,推进了医疗图像分析中的人工智能领域.
- 该库支持与外部工具和应用程序集成,以实现更广泛的实用性.
