机构名称：
¥ 1.0
机器学习模型可以帮助临床医生和研究人员在放射学内部的许多任务中，例如诊断，分类，分割/测量和质量保证。为了更好地利用机器学习，我们已经开发了一个平台，该平台允许用户在不需要任何编程知识的情况下标记数据和训练模型。该技术堆栈由用于用户交互，Python，Pytorch和Monai的打字稿Web应用程序组成，用于机器学习，DICOM WADO-RS可从临床系统中检索数据，以及用于模型管理的Docker。作为系统的第一个试验，研究人员将其用来训练锁骨断裂检测模型，作为IRB批准的回顾性研究的一部分。研究人员在13个部位的2,039名患者中标记了4,135个锁骨X光片。平台将数据自动将数据分为培训，验证和测试集，并训练了模型，直到验证损失平稳。然后该系统返回了接收器操作特征曲线，AUC，F1和其他指标。所得模型以90％的敏感性，87％的特异性和88％的精度鉴定锁骨骨折，AUC为0.95。此模型性能等于文献中报道的类似模型。最近，我们的系统用于训练模型，以识别包含个人身份信息（PII）的超声框架。验证后，该模型被用来帮助识别用于研究的大型数据集。这个首先的系统简化了模型开发和部署，并为在医疗保健中使用AI开辟了令人兴奋的新途径。
放射学中的无代码机学习
主要关键词
相关文件推荐
