留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

重视医学影像人工智能数据库的标准化建设

石镇维 刘再毅

石镇维, 刘再毅. 重视医学影像人工智能数据库的标准化建设[J]. 协和医学杂志, 2021, 12(5): 599-601. doi: 10.12290/xhyxzz.2021-0507
引用本文: 石镇维, 刘再毅. 重视医学影像人工智能数据库的标准化建设[J]. 协和医学杂志, 2021, 12(5): 599-601. doi: 10.12290/xhyxzz.2021-0507
SHI Zhenwei, LIU Zaiyi. Attaching Importance to the Standardized Construction of Artificial Intelligence Database of Medical Imaging[J]. Medical Journal of Peking Union Medical College Hospital, 2021, 12(5): 599-601. doi: 10.12290/xhyxzz.2021-0507
Citation: SHI Zhenwei, LIU Zaiyi. Attaching Importance to the Standardized Construction of Artificial Intelligence Database of Medical Imaging[J]. Medical Journal of Peking Union Medical College Hospital, 2021, 12(5): 599-601. doi: 10.12290/xhyxzz.2021-0507

重视医学影像人工智能数据库的标准化建设

doi: 10.12290/xhyxzz.2021-0507
基金项目: 

国家自然科学基金 81771912

国家自然科学基金 82102034

国家杰出青年科学基金 81925023

详细信息
    通讯作者:

    刘再毅  电话:020-83870125,E-mail: liuzaiyi@gdph.org.cn

  • 中图分类号: R-1; R445

Attaching Importance to the Standardized Construction of Artificial Intelligence Database of Medical Imaging

Funds: 

National Natural Science Foundation of China 81771912

National Natural Science Foundation of China 82102034

National Science Fund for Distinguished Young Scholars 81925023

More Information
  • 摘要: 医学影像被认为是人工智能最具落地潜力的领域之一。然而,人工智能面临着医学影像大数据持续积累所带来的挑战:缺乏高质量数据集、行业标准、管理规范等。因此,构建符合我国国情、法律/法规及科研人员使用习惯的标准化医学影像数据库势在必行。FAIR数据准则(可查询、可访问、可交互、可再用)有望在数据库构建、数据采集以及医学影像数据描述术语规范化等方面发挥指导作用。期待在国内学者的共同努力下,推动医学影像人工智能标准化数据库的建设。
    作者贡献:石镇维负责查阅文献、撰写初稿及文章修订;刘再毅提出修改意见并审校文章。
    利益冲突:
  • [1] 互联网医疗健康产业联盟. 2018年医疗人工智能技术与应用白皮书[EB/OL ]. (2018-04-16)[2021-07-30]. http://www.qianjia.com/html/2018-04/16_289594.html.
    [2] Hosny A, Parmar C, Quackenbush J, et al. Artificial intelligence in radiology[J]. Nat Rev Cancer, 2018, 18: 500-510. doi:  10.1038/s41568-018-0016-5
    [3] Bi WL, Hosny A, Schabath, MB, et al. Artificial intelli-gence in cancer imaging: Clinical challenges and applications[J]. CA Cancer J Clin, 2019, 69: 127-157. http://www.onacademic.com/detail/journal_1000041692131499_13d7.html
    [4] Duncan JS, Insana MF, Ayache N. Biomedical imaging and analysis in the age of big data and deep learning[J]. Proc IEEE, 2019, 108: 3-10. http://ieeexplore.ieee.org/document/8944337/
    [5] Hartel FW, Coronado S, Dionne R, et al. Modeling a description logic vocabulary for cancer research[J]. J Biomed Inform, 2005, 38: 114-129. doi:  10.1016/j.jbi.2004.09.001
    [6] Zhou SK, Greenspan H, Davatzikos C, et al. A review of deep learning in medical imaging: Imaging traits, technology trends, case studies with progress highlights, and future promises[J]. Proc IEEE, 2021, 109: 820-838. doi:  10.1109/JPROC.2021.3054390
    [7] Clark K, Vendt B, Smith K, et al. The Cancer Imaging Archive (TCIA): maintaining and operating a public information repository[J]. J Digit Imaging, 2013, 26: 1045-1057. doi:  10.1007/s10278-013-9622-7
    [8] Tomczak K, Czerwińska P, Wiznerowicz M. The Cancer Genome Atlas (TCGA): an immeasurable source of knowledge[J]. Contemp Oncol (Pozn), 2015, 19: A68. http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.809.8713&rep=rep1&type=pdf
    [9] Vesteghem C, Brøndum RF, Sønderkær M, et al. Implementing the FAIR Data Principles in precision oncology: review of supporting initiatives[J]. Brief Bioinform, 2020, 21: 936-945. doi:  10.1093/bib/bbz044
    [10] Wilkinson MD, Dumontier M, Sansone SA, et al. Evaluat-ing FAIR maturity through a scalable, automated, community-governed framework[J]. Sci Data, 2019, 6: 174. doi:  10.1038/s41597-019-0184-5
    [11] Wilkinson MD, Dumontier M, Aalbersberg IJ, et al. The FAIR Guiding Principles for scientific data management and stewardship[J]. Sci Data, 2016, 3: 160018. doi:  10.1038/sdata.2016.18
  • 加载中
计量
  • 文章访问数:  129
  • HTML全文浏览量:  6
  • PDF下载量:  94
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-06-29
  • 录用日期:  2021-07-29
  • 网络出版日期:  2021-08-19
  • 刊出日期:  2021-10-12

目录

    /

    返回文章
    返回