Синтетические датасеты: возможности развития продуктов медицинского искусственного интеллекта

Обложка

Цитировать

Полный текст

Аннотация

На основе анализа мировых тенденций развития и зрелости технологии ИИ рассмотрена потенциальная возможность ускорения разработки и внедрения продуктов медицинского ИИ, в первую очередь, за счет формирования синтетических датасетов. Проанализированы ключевые факторы, связанные с формированием обучающих датасетов, включая синтетические, сокращающие сроки разработки и повышающие качество продуктов на основе технологии ИИ.

Полный текст

Доступ закрыт

Об авторах

Дмитрий Михайлович Шамаев

Ресурсный центр универсального дизайна и реабилитационных технологий

Автор, ответственный за переписку.
Email: shamaev.dmitry@yandex.ru

Кандидат технических наук. Научный сотрудник

Россия, Москва

Виталий Викторович Заяц

Ресурсный центр универсального дизайна и реабилитационных технологий

Email: vvzayats@rcud-rt.ru

Кандидат медицинских наук, доцент. Директор

Россия, Москва

Сергей Борисович Орлов

Ресурсный центр универсального дизайна и реабилитационных технологий

Email: SBOrlov@rcud-rt.ru

Начальник проектно-методического отдела

Россия, Москва

Альберт Александрович Ширинян

Ресурсный центр универсального дизайна и реабилитационных технологий

Email: aashirinyan@rcud-rt.ru

Программист-исследователь

Россия, Москва

Список литературы

  1. Интернет-ресурс, доступно по ссылке: https://www.gartner.com/en/articles/the-4-trends-that-prevail-on-the-gartner-hype-cycle-for-ai-2021.
  2. Интернет-ресурс, доступно по ссылке: https://image-net.org.
  3. Интернет-ресурс, доступно по ссылке: https://dtf.ru/promo/688429-msi-creator.
  4. Khan S.M. et al. A global review of publicly available datasets for ophthalmological imaging: barriers to access, usability, and generalizability // Lancet Digit Health. 2021. 3(1). P.51-66.
  5. Hoo-Chang Shin, Neil A. Tenenholtz, Jameson K. Rogers at al. Medical Image Synthesis for Data Augmentation and Anonymization Using Generative Adversarial Networks, SASHIMI. 2018. LNCS 11037. Р.1–11.
  6. Интернет-ресурс, доступно по ссылке: .https://tele-med.ai/proekty/edinyj-radiologicheskij-informacionnyj- servis. 2020.
  7. Интернет-ресурс, доступно по ссылке: https://datastart.ru
  8. Tran N.H., Zhang X., Li M. Deep Omics // Proteomics. 2018. 18. doi: 10.1002/pmic.201700319.
  9. Joseph Lemley, Shabab Bazrafkan, Peter Corcoran Smart Augmentation - Learning an Optimal Data Augmentation Strategy. IEEE Access(5). Р.5858 – 5869.
  10. Richard Shin, Neel Kant, Kavi Gupta, Christopher M. Bender at al. Synthetic Datasets for Neural Program Synthesis. 2019.
  11. Jelmer M. Wolterink, Anirban Mukhopadhyay, Tim Leiner et al. Generative Adversarial Networks: A Primer for Radiologists, Radiographics. May-Jun 2021.41(3). Р.840-857.
  12. Vera Sorin, Yiftach Barash, Eli Konen et al. Creating Artificial Images for Radiology Applications Using Generative Adversarial Networks (GANs) - A Systematic Review. 2020 Aug.27(8). Р.1175-1185.
  13. Ce Zheng, Xiaolin Xie, Kang Zhou et al. Assessment of Generative Adversarial Networks Model for Synthetic Optical Coherence Tomography Images of Retinal Disorders. 2020 May 27;9(2):29.
  14. Aram You, Jin Kuk Kim, Ik Hee Ryu el al. Application of generative adversarial networks (GAN) for ophthalmology image domains: a survey, Eye and Vision. 2022. 9:6.
  15. Yang Wang A Mathematical Introduction to Generative Adversarial Nets (GAN), Computer Science. 2020 (1).
  16. Martin Arjovsky, Soumith Chintala, L´eon Bottou, Wasserstein GAN 2017 Machine Learning (stat.ML).
  17. Quang T.M. Pham a, Sangil Ahn a, Jitae Shin et al. Generating future fundus images for early age-related macular degeneration based on generative adversarial networks, Computer Methods and Programs in Biomedicine 216. 2022. 106648.
  18. Burlina P., Joshi N., Paul W., Pacheco KD., Bressler NM. Addressing artificial intelligence bias in retinal diagnostics. Trans Vis Sci Tech. 2021;10(2):13.
  19. Zheng C, Xie X, Zhou K, Chen B, Chen J, Ye H, Li W, Qiao T, Gao S, Yang J, Liu J. Assessment of generative adversarial networks model for synthetic optical coherence tomography images of retinal disorders. Trans Vis Sci Tech. 2020;9(2):29.
  20. Hajar Danesh, Keivan Maghooli, Alireza Dehghani et al. Synthetic OCT data in challenging conditions: three-dimensional OCT and presence of abnormalities. Medical & Biological Engineering & Computing. 2022. 60. Р.189–203.
  21. Samuel G. Finlayson, Adarsh Subbaswamy, Karandeep Singh et al. The Clinician and Dataset Shift in Artificial Intelligence, N Engl J Med. 2021 July 15; 385(3). Р.283–286.
  22. Shu-Hui Hsu, Yue Cao, Ke Huang, Mary Feng et al. Investigation of a method for generating synthetic CT models from MRI scans of the head and neck for radiation therapy. Phys. Med. Biol. 58. 2013. Р. 8419–8435.
  23. Magn J. Deep learning in radiology: an overview of the concepts and a survey of the state of the art with focus on MRI, Reson Imaging. 2019 April.49(4). Р. 939–954.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Циклограмма Гартнера для технологий ИИ

Скачать (530KB)
Метаданные

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».