面向磁共振成像中系统化与可扩展质量评估的工程化 AI 工具
图像与视频处理
2021-12-06 v1 人工智能
计算机视觉与模式识别
摘要
随着机器学习算法、并行计算和硬件技术的发展，构建大型医学影像数据集的需求持续增长。相应地，将来自多个临床与学术机构的数据汇聚以支撑大规模临床或转化研究的需求也日益增加。磁共振成像（MRI）是一种常用的非侵入性成像方式。然而，构建大型 MRI 数据仓库面临诸多挑战，涉及隐私、数据规模、DICOM 格式、物流以及非标准化图像等方面。不仅构建数据仓库困难，由于不同 MRI 厂商和成像站点在图像采集、重建和处理流程上的异质性，使用从该仓库汇聚的数据同样具有挑战性。本立场论文描述了构建大型 MRI 数据仓库以及在各方面使用从此类数据仓库下载的数据所面临的挑战。为应对这些挑战，本文提出引入质量评估流程，并给出相关考量与一般设计原则。
引用
@article{arxiv.2112.01629,
title = {Engineering AI Tools for Systematic and Scalable Quality Assessment in Magnetic Resonance Imaging},
author = {Yukai Zou and Ikbeom Jang},
journal= {arXiv preprint arXiv:2112.01629},
year = {2021}
}
备注
6 pages, 2 figures, NeurIPS Data-Centric AI Workshop 2021 (Virtual)