一个嵌入在开源放射学信息系统中的通用 AI 助手

Mar, 2023

一个嵌入在开源放射学信息系统中的通用 AI 助手

A general-purpose AI assistant embedded in an open-source radiology information system

Saptarshi Purkayastha, Rohan Isaac, Sharon Anthony, Shikhar Shukla, Elizabeth A. Krupinski...

TL;DR本文提出了一种新颖的基于机器教学、整合了 DICOM 标准 SR 注释的人工智能模型服务，以及将其集成到开源的 LibreHealth 放射学信息系统（RIS）中。此平台利用主动学习策略，使得放射学家与模型之间可以建立合作关系，并且运用群集学习方法，实现了共享有多个用户的用户特定模型权重的目标。

Abstract

radiology ai models have made significant progress in near-human performance or surpassing it. However, AI model's partnership with human radiologist remains an unexplored challenge due to the lack of health information standards, contextual and workflow differences, and data labeling

radiology ai models integration active learning swarm learning dicom standard sr annotations

发现论文，激发创造

医疗人工智能模型的非均匀标签协同训练

本论文提出了一种新的框架 —— 灵活的联邦学习（FFL），可用于协作训练医疗图像分析的大型、异质标记数据集，研究表明，使用 FFL 训练的模型优于仅使用匹配标记训练的模型。

Nov, 2022

自我监督的共同学习：对未加工的医疗影像和报告进行处理，实现放射学 AI 监督

该研究介绍了一种适用于医学领域的自我监督视觉语言预训练模型 Medical X-VL，展示该模型在医学领域的视觉语言任务中的超越性能，并证明了在新疾病诊断和监测人类错误等方面，Oversight AI 具有广泛的应用潜力。

Aug, 2022

RAISE -- 放射学人工智能安全，端到端的生命周期方法

通过认真评估和验证以确保 AI 模型达到最高的安全、有效性和功效标准，上线前以及生产使用中实施输入和输出保护措施、持续监测并追踪人群水平性能、公正性和结果传递、定期审查上线后的模型性能、教育放射科医生关于新的算法驱动发现对于 AI 在临床实践中的有效应用至关重要，强调在多个层面上合作的质量保证是重要的，从立法、临床、技术和伦理等方面，通过透明地展示 AI 遵守与其他已建立的医疗技术相同的严格的安全、有效性和功效标准，树立开发者、提供者和患者等的信心，使 AI 可靠扩展并实现其潜在的益处的愿景，本论文提出的路线图旨在加快 AI 在放射学中可部署、可靠和安全的实现。

Nov, 2023

生成型 AI 系统能够满足患者的信息需求吗？

通过主题分析，我们研究了具有生成性视觉问答系统的患者面向的生成式人工智能系统，以满足癌症患者在放射学成像数据中对医学术语、疾病进展、诊断步骤和治疗方案等方面信息的需求，结果表明模型的响应质量在不同主题上有所变化，强调患者面向的生成式人工智能系统需要满足患者的多样化实际需求。

Jan, 2024

人工智能工作流程对临床影像决策的影响：谁先行动？

本文探讨了 AI 技术在人类辅助诊断中的应用以及如何设计合适的工作流程来整合人与 AI 的协同工作，通过开展用户研究，概述了 AI 呈现时间对人 - AI 团队性能和协议的影响，总结了在人 - AI 协作过程中遇到的问题以及 AI 工具开发中需考虑的事项。

May, 2022

CopilotCAD: 医学图像基础模型，为放射科医生提供报告完成模型和定量证据

通过整合大型语言模型和医学图像分析，本研究介绍了一种协同辅助系统，赋予放射科医生更多权力，以提高放射诊断报告的准确性和详细性，同时减少临床医生的过劳。

Apr, 2024

自监督下的稳健高效医学影像

本文提出了 REMEDIS，采用大规模监督式迁移学习和自监督学习的通用结合方式，用于改善医学图像 AI 的鲁棒性和数据效率，并在各种医学成像任务中展示了显著的表现，说明 REMEDIS 可以加速医学成像 AI 的生命周期，从而有助于医学成像 AI 产生广泛的影响。

May, 2022

训练医学影像分析系统，如同放射科医生

本文提出了一种基于 “元训练” 的医学图像分析模型训练方法，通过使用选自小型数据集的任务来设计模型，利用教师 - 学生课程学习进行分类，测试结果表明该方法在自动乳腺肿瘤筛查分类方面取得了最佳效果。

May, 2018

医学影像 AI 研发的一体化平台，涵盖数据采集、筛选、标注和预处理

通过建立医学影像平台，利用收集的来自亚洲的医学影像数据，解决数据不平衡的问题，提供医学人工智能研发所需的数据并合并区块链技术用于数据安全。

Mar, 2024

临床医生与放射学报告生成模型之间的共识、不一致性和协同效应

放射学报告是现代医学的重要组成部分，自动化报告生成和 AI 生成的报告对放射学家和临床决策具有潜在的帮助，但面临着质量评估和医生参与的挑战。本研究展示了放射科医生与 AI 系统进行合作的潜力以及 AI 生成报告与专家撰写报告的比较结果。

Nov, 2023