作者投稿
专家审稿
编辑办公
邮件订阅
RSS
Interpretation on the Standard Artificial Intelligence Medical Device- Quality Requirements and Evaluation-Part 1: Terminology
-
摘要: 随着人工智能医疗器械产业的壮大，产学研用各方急需在产品质量评价相关术语、概念方面达成共识，以支撑标准规范的发展。为突破行业瓶颈，国家药品监督管理局于2022年发布了YY/T 1833《人工智能医疗器械 质量要求和评价》系列标准。其中第一部分建立了统一的术语标准，包含基础技术术语、数据集术语、质量特性术语、质量评价术语、应用场景术语5个章节，共158个术语。本文介绍该术语标准的概况、制订规程及其意义，以期更好地指导人工智能医疗器械行业发展。
-
关键词:
- YY/T 1833.1-2022 /
- 人工智能 /
- 医疗器械 /
- 术语
Abstract: With the rise of artificial intelligence medical device (AIMD) industry, it is urgent for stakeholders to establish consensus on the definition and concepts of AIMD quality evaluation, so as to further support the development of standards and guidelines. To break through industry bottleneck, the National Medical Products Administration (NMPA) published YY/T 1833.1-2022 Artificial Intelligence Medical Device- Quality Requirements and Evaluation- Part 1: Terminology in 2022, which provides unified terminology. This standard is divided into five chapters, including a total of 158 terms that cover basic technology, data set, quality characteristics, quality evaluation and application scenario. This article introduces the general overview, the drafting history and explains its significance, with the aim of guiding the development of artificial intelligence medical device industry.-
Key words:
- YY/T 1833.1-2022 /
- artificial intelligence /
- medicaldevice /
- terminology
作者贡献：孟祥峰负责撰写论文；王浩负责修订论文；李佳戈负责论文构思及论文审核定稿。利益冲突：所有作者均声明不存在利益冲突 -
表 1 基础技术术语列表
中文 英文 人工智能 artificial intelligence 人工智能医疗器械 artificial intelligence medical device 医疗器械软件 medical device software 模式识别 pattern recognition 人工神经网络 artificial neural network 推理 inference 特征 feature 机器学习 machine learning 深度学习 deep learning 监督学习 supervised learning 无监督学习 unsupervised learning 强化学习 reinforcement learning 半监督学习 semi-supervised learning 自监督学习 self-supervised learning 弱监督学习 weakly supervised learning 集成学习 ensemble learning 主动学习 active learning 迁移学习 transfer learning 联邦学习 federated learning 训练 training 交叉验证 cross validation 过拟合 overfitting 欠拟合 underfitting 前馈网络 feedforward network 反向传播网络 back-propagation network 前馈传播 feedforward propagation 反馈传播 feedback propagation 医学知识库 medical knowledgebase 算法服务 algorithm service 云服务 cloud service 边缘云服务 edge cloud service 本地服务 local service 人工智能医疗器械生存周期模型 AIMD lifecycle model 
下载: 导出CSV
-
[1] 王浩, 唐桥虹, 郝烨, 等. 人工智能医疗器械标准体系设计探索[J]. 中国医疗设备, 2021, 36: 15-18, 28. https://www.cnki.com.cn/Article/CJFDTOTAL-YLSX202112003.htm [2] 中华发人民共和国国家质量监督检验检疫总局. 信息技术 词汇 第34部分: 人工智能 神经网络[S]. GB/T 5271.34-2006. [3] 中华人民共和国国家质量监督检验检疫总局. 信息技术 词汇 第31部分: 人工智能 机器学习[S]. GB/T 5271.31-2006. [4] 中华人民共和国国家质量监督检验检疫总局. 信息技术 词汇 第28部分: 人工智能 基本概念与专家系统[S]. GB/T 5271.28-2001. [5] ISO/IEC JTC1/SC 42. Information technology-Vocabulary[S]. ISO/IEC 2382: 2015. [6] 国家市场监督管理总局. 信息技术 人工智能 术语[S]. GB/T 41867-2022. [7] ISO/IEC JTC1/SC 42. Information technology-Artificial intelligence-Artificial intelligence concepts and terminology[S]. ISO/IEC 22989: 2022. [8] 周志华. 机器学习[M]. 北京: 清华大学出版社, 2016. [9] Goodfellow I, Bengio Y, Courville A. Deep Learning[M]. Massachusetts: The MIT Press, 2016. [10] 国家药品监督管理局医疗器械技术审评中心. 人工智能医疗器械注册审查指导原则[EB/OL]. (2022-03-09)[2023-07-20]. https://www.cmde.org.cn//xwdt/shpgzgg/gztg/20220309090800158.html .[11] 王浩, 孟祥峰, 王权, 等. 人工智能医疗器械用数据集管理与评价方法研究[J]. 中国医疗设备, 2018, 33: 1-5. https://www.cnki.com.cn/Article/CJFDTOTAL-YLSX201812001.htm [12] 方积乾. 卫生统计学[M]. 第七版. 北京: 人民卫生出版社, 2012. [13] 全国科学技术名词审定委员会. 计算机科学技术名词[M]. 第三版. 北京: 科学出版社, 2018. [14] Petrick N, Sahiner B, Armato SG, et al. Evaluation of Computer-aided Detection and Diagnosis Systems[J]. Med Phys, 2013, 40: 087001. doi: 10.1118/1.4816310 [15] 孟祥峰, 王浩, 张超, 等. 人工智能医疗器械辅助诊断及探测性能评估参数的讨论[J]. 中国药事, 2019, 33: 1026-1031. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGYS201909011.htm -
点击查看大图
图(1) / 表(1)
计量
- 文章访问数: 271
- HTML全文浏览量: 54
- PDF下载量: 131
- 被引次数: 0
