SwePub
Sök i LIBRIS databas

  Utökad sökning

WFRF:(Treanor Darren)
 

Sökning: WFRF:(Treanor Darren) > Proactive Construct...

Proactive Construction of an Annotated Imaging Database for Artificial Intelligence Training

Bivik Stadler, Caroline, 1986- (författare)
Linköpings universitet,Avdelningen för diagnostik och specialistmedicin,Medicinska fakulteten,Centrum för medicinsk bildvetenskap och visualisering, CMIV
Lindvall, Martin (författare)
Linköpings universitet,Medie- och Informationsteknik,Tekniska fakulteten,Sectra AB, Tekn Ringen 20, SE-58330 Linkoping, Sweden
Lundström, Claes (författare)
Linköpings universitet,Medie- och Informationsteknik,Tekniska fakulteten,Centrum för medicinsk bildvetenskap och visualisering, CMIV,Sectra AB, Tekn Ringen 20, SE-58330 Linkoping, Sweden
visa fler...
Boden, Anna (författare)
Linköpings universitet,Avdelningen för neurobiologi,Medicinska fakulteten,Centrum för medicinsk bildvetenskap och visualisering, CMIV,Region Östergötland, Klinisk patologi
Lindman, Karin (författare)
Linköpings universitet,Avdelningen för neurobiologi,Medicinska fakulteten,Region Östergötland, Klinisk patologi
Rose, Jeronimo (författare)
Linköpings universitet,Centrum för medicinsk bildvetenskap och visualisering, CMIV,Medicinska fakulteten
Treanor, Darren (författare)
Linköpings universitet,Avdelningen för inflammation och infektion,Medicinska fakulteten,Centrum för medicinsk bildvetenskap och visualisering, CMIV,Region Östergötland, Klinisk patologi,Leeds Teaching Hosp NHS Trust, England; Univ Leeds, England
Blomma, Johan (författare)
Region Östergötland, Röntgenkliniken i Linköping
Stacke, Karin (författare)
Linköpings universitet,Medie- och Informationsteknik,Tekniska fakulteten,Sectra AB, Tekn Ringen 20, SE-58330 Linkoping, Sweden
Pinchaud, Nicolas (författare)
ContextVision AB, Sweden
Hedlund, Martin (författare)
ContextVision AB, Sweden
Landgren, Filip (författare)
Linköpings universitet,Avdelningen för klinisk kemi,Medicinska fakulteten
Woisetschläger, Mischa (författare)
Linköpings universitet,Avdelningen för diagnostik och specialistmedicin,Medicinska fakulteten,Centrum för medicinsk bildvetenskap och visualisering, CMIV,Region Östergötland, Röntgenkliniken i Linköping
Forsberg, Daniel (författare)
Sectra AB, Tekn Ringen 20, SE-58330 Linkoping, Sweden
visa färre...
 (creator_code:org_t)
2020-11-09
2021
Engelska.
Ingår i: Journal of digital imaging. - : Springer-Verlag New York. - 0897-1889 .- 1618-727X. ; 34, s. 105-115
Relaterad länk:
https://liu.diva-por... (primary) (Raw object)
visa fler...
https://link.springe...
https://urn.kb.se/re...
https://doi.org/10.1...
visa färre...
  • Tidskriftsartikel (refereegranskat)
Abstract Ämnesord
Stäng  
  • Artificial intelligence (AI) holds much promise for enabling highly desired imaging diagnostics improvements. One of the most limiting bottlenecks for the development of useful clinical-grade AI models is the lack of training data. One aspect is the large amount of cases needed and another is the necessity of high-quality ground truth annotation. The aim of the project was to establish and describe the construction of a database with substantial amounts of detail-annotated oncology imaging data from pathology and radiology. A specific objective was to be proactive, that is, to support undefined subsequent AI training across a wide range of tasks, such as detection, quantification, segmentation, and classification, which puts particular focus on the quality and generality of the annotations. The main outcome of this project was the database as such, with a collection of labeled image data from breast, ovary, skin, colon, skeleton, and liver. In addition, this effort also served as an exploration of best practices for further scalability of high-quality image collections, and a main contribution of the study was generic lessons learned regarding how to successfully organize efforts to construct medical imaging databases for AI training, summarized as eight guiding principles covering team, process, and execution aspects.

Ämnesord

MEDICIN OCH HÄLSOVETENSKAP  -- Klinisk medicin -- Radiologi och bildbehandling (hsv//swe)
MEDICAL AND HEALTH SCIENCES  -- Clinical Medicine -- Radiology, Nuclear Medicine and Medical Imaging (hsv//eng)

Nyckelord

Artificial intelligence; Annotation; Case collection; Radiology; Pathology

Publikations- och innehållstyp

ref (ämneskategori)
art (ämneskategori)

Hitta via bibliotek

Till lärosätets databas

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

 
pil uppåt Stäng

Kopiera och spara länken för att återkomma till aktuell vy