面向作为医疗器械的软件的负责任深度学习
图像与视频处理
2023-12-22 v1 计算机与社会
摘要
用于信号处理和医学图像分析的工具、模型与统计方法，以及训练深度学习模型以创建最终用于临床应用的研究原型，受到生物医学成像界的特别关注。但是生物组织的材料与光学特性十分复杂，难以被成像设备轻易捕捉。用于深度学习的医学图像数据集中对某些种族和族裔图像的代表性不足，以及对用于医学图像分析的新兴人工智能（AI）和机器学习（ML）技术的商业化与安全性所需的监管框架缺乏了解，可能会增加复杂性。本文为 2022 年 IEEE 第 19 届生物医学成像国际研讨会特别会议上发表的研讨会论文的扩展版，描述了从事机器学习（第一部分）和临床研究（第二部分）的加州大学教授、科学与工程实验室办公室（OSEL，第三部分）以及美国食品药品监督管理局（FDA）器械与放射健康中心（CDRH，第四部分）官员的策略与机遇。文中讨论了用于监管评估和真实世界部署的皮肤（RGB）、组织活检（数字病理学）以及肺部和肾脏（磁共振、X 射线、计算机断层扫描）医学图像的 AI/ML 模型的性能评估。
引用
@article{arxiv.2312.13333,
title = {Responsible Deep Learning for Software as a Medical Device},
author = {Pratik Shah and Jenna Lester and Jana G Deflino and Vinay Pai},
journal= {arXiv preprint arXiv:2312.13333},
year = {2023}
}