Подготовка набора данных для обучения и тестирования программного обеспечения на основе технологии искусственного интеллекта. Учебное пособие. Юрий Александрович Васильев

Скачать книгу

локализации врачу необходимо обозначить координаты области интереса простой геометрической фигурой, в случае сегментации – обвести контур области интереса, т.е. создать пиксельную маску. Для уровня 2 (классификация находки) необходимо классифицировать находку, используя общепринятые шкалы (например, BI-RADS14, ASPECTS15). Для уровня 1 (подтвержденный диагноз) необходимы данные медицинской карты, позволяющие поставить диагноз.

      Классификация отображает взаимосвязь:

      – объемов и качества исходных данных;

      – трудозатрат на подготовку;

      – методик разметки и работы с первичными данными;

      – диагностической ценности.

      Стоит отметить, что данная классификация применима в случае поиска патологических находок. Для некоторых НД, например, при задаче сегментации анатомической структуры, подтверждение диагноза неприменимо, соответственно данную классификацию использовать нельзя.

      Также разметку данных можно разделить на проспективную и ретроспективную, т.е. по времени их получения.

      Проспективная разметка аналогично ретроспективной разметке представляет собой сбор элементов в соответствии с поставленной целью, при этом обязательным условием является проведение дополнительных манипуляций с элементами (например, постановка метки начала и окончания события, меток обнаружения признаков, обозначений патологий и т.п.). Этот вид разметки проводят с участием обученного медицинского персонала (зачастую квалифицированного врача в субспециализации размечаемого набора данных) путем ручного аннотирования содержания данных или их частей.

      Ретроспективная разметка данных представляет собой сбор элементов в соответствии с метаданными, которые отбираются по поставленной цели. Такую разметку проводят путем минимальных трудозатрат: выгрузка данных происходит из медицинской информационной системы, которую может провести инженер (аналитик) без участия врача. При этом для каждого элемента (изображение, сигнальные данные и т.д.) набора данных устанавливают соответствие с медицинской информацией (диагноз, результаты лабораторного тестирования и т.п.).

      Также разметка характеризуется следующими параметрами:

      1. Уровень разметки: пациент, серия, набор изображений, изображение.

      Примеры:

      – на уровне пациента: у пациентки с диагнозом злокачественного новообразования (ЗНО) молочной железы разметка проводится на основании маммографии и гистологического исследования;

      – на уровне серии (у той же пациентки): маммография, прямая и боковая проекции;

      – на уровне изображения: прямая проекция правой молочной железы.

      2. Тип разметки: бинарная, мультикласс, мультилейбл.

      Примеры:

      – бинарная разметка: норма/патология;

      – мультиклассовая разметка: норма/патология/технический

Скачать книгу