メガロポリススケールでの放射線コンピュータビジョン展開の選択と品質管理のための方法論【JST・京大機械翻訳】

Andreychenko, A.; Logunova, T.; Gombolevskiy, V.; Nikolaev, A.; Vladzymyrskyy, A.; Sinitsyn, V.; Morozov, S.

プレプリント

J-GLOBAL ID：202202209592987369 整理番号：22P0320576

メガロポリススケールでの放射線コンピュータビジョン展開の選択と品質管理のための方法論【JST・京大機械翻訳】

A methodology for selection and quality control of the radiological computer vision deployment at the megalopolis scale

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2022年02月14日プレプリントサーバーでの情報更新日： 2022年02月14日
JST資料番号： O7002B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

近年,解釈を自動化するために放射線医学における人工知能(AI)の使用に大きな関心が寄せられている。しかし,AI溶液の非制御および広範な使用は,負の結果を有する可能性がある。したがって,健康管理においてそのような技術を実行する前に,人員の訓練,情報システムの適応,および外部検証のための標準化データセットが必要である。これは,ユニークな統一方法論の形成を必要とする。診断放射線学におけるAI導入の最良の実践は,まだ議論の対象であり,実施条件の評価による科学的実践研究の新しい結果を必要とする。本研究は,ロシア(実験)のMoscowにおける2020~2021年に100以上の放射線学部門の実践への同時AI実施中に得られた実生活経験に重点を置いて,放射線検査の自動分析のためのコンピュータビジョンベース技術の導入に対する期待される問題と潜在的解決策を論じた。実験はエンドユーザソフトウェア試験手法,AIベース放射線ソリューションの品質保証,および局所データに関するAI-em動力診断ツールの精度評価を用いた。本方法を適応し,最適化して,異常な大規模で成功した実際の放射線AI配置を確実にした。実験は,合計約1000人の診断装置と1000人の放射線科医に関与した。AI展開は,日常放射線科医ワークフロー:トリアージにおける追加オプションと関連していた;病理学的所見とそれらの分類の徴候でAIによって形成した付加的シリーズ;AIによって準備された報告テンプレートは,AI性能に関する目標臨床作業,ユーザフィードバックに従って調製した。この報告では,実験中に発展し進んだ放射線実践にAIを実装するための多段階方法論について述べた。非学術的放射線部位に対するAI展開のための必須O_LIA方法論は,AIの診断的および機能的要求C_LIO_LIQuality制御を満たさない提供されたAIソリューションの半分以上を除外し,データ科学者,IT専門家または技術者だけでなく,選択および試験のすべての段階における放射線科医によってもサポートされるべきである。C_LIO_LIRadi学者は,追加訓練を得ることによりAIの能力と限界を理解する必要がある。C_LI_LI。【JST・京大機械翻訳】

, , , , , , , , , , , , , ,

人体の汚染及び防止

, , , , , ,

前のページに戻る