面向医学研究中机器学习分析的 AI 与医学数据集 (DAIMS)：数据验证与文档框架
机器学习
2025-01-27 v1
摘要
尽管在数据工程方面取得了进展，但在数据验证和文档程序的一致性方面仍存在诸多局限，导致涉及机器学习的研究中出现混淆和技术性问题。虽然已通过引入‘数据表 (Datasheets for Datasets)’框架等方式取得了进展，但仍有提升数据准备就绪状态以供机器学习管道使用的空间。本文将该框架扩展为‘AI 与医学数据集 - DAIMS’。我们的公开解决方案 DAIMS 提供了包括数据标准化要求清单、辅助数据准备过程的软件工具、数据文档延伸表格及提出研究问题的表格，以及用于建议机器学习分析方法的流程图。该清单包含 24 项常见数据标准化要求，其中工具对其中的一部分进行检查和验证。此外，我们提供的流程图将研究问题映射到建议的机器学习方法。DAIMS 可作为标准化数据集的参考，亦是旨在应用有效机器学习技术于医学研究中的研究者的路线图。DAIMS 已在 GitHub 上提供并作为在线应用，自动化其关键方面的数据评估，从而高效准备机器学习研究所需的数据集。
引用
@article{arxiv.2501.14094,
title = {Datasheets for AI and medical datasets (DAIMS): a data validation and documentation framework before machine learning analysis in medical research},
author = {Ramtin Zargari Marandi and Anne Svane Frahm and Maja Milojevic},
journal= {arXiv preprint arXiv:2501.14094},
year = {2025}
}
备注
10 pages, 1 figure, 2 tables