Машинное обучение для медицинской визуализации: методологические недостатки и рекомендации на будущее
Machine learning for medical imaging: methodological failures and recommendations for the future
2022-04-12
SCID: 54.1/hxffjgch
Discuss with AI
смещение данныхмашинное обучениемедицинская визуализацияметодологические ошибкирекомендации по исследованиям
Figures from the paper
Abstract (AI)
Исследования в области компьютерного анализа медицинских изображений открывают широкие возможности для улучшения здоровья пациентов. Однако прогресс в этой области замедляют многочисленные системные проблемы — от ограничений, связанных с данными, таких как смещения, до исследовательских стимулов, например ориентации на публикацию результатов. В данной статье мы рассматриваем препятствия для разработки и оценки методов. Основывая наш анализ на данных литературы и проблемах, связанных с данными, мы показываем, что потенциальные смещения могут возникать на каждом этапе. Вместе с тем мы также обсуждаем текущие усилия по противодействию этим проблемам. Наконец, мы предлагаем рекомендации по дальнейшему решению этих проблем в будущем.
Key Findings
1
Исследования машинного обучения для медицинской визуализации сталкиваются с системными препятствиями, связанными с ограниченными или предвзятыми данными и стимулами, ориентированными на публикации.
2
Существующие инициативы уже направлены на решение этих проблем, а статья предлагает дополнительные рекомендации для совершенствования будущих исследований.
3
Потенциальные источники смещения могут возникать на каждом этапе разработки и оценки методов, снижая надёжность получаемых результатов.
4
В статье методологические недостатки выявляются на основе данных предыдущих исследований и практических проблем медицинских наборов данных.
Research Object
компьютерный анализ медицинских изображений
Research Subject
методологические ошибки, систематические смещения и рекомендации по разработке и оценке методов машинного обучения
Publication Details
Publication Date
2022-04-12
Journal
Publisher
ISSN
Cited by
645
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest