• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

用于乳腺癌的人工智能工具的详细图像数据质量和清理实践。

Detailed Image Data Quality and Cleaning Practices for Artificial Intelligence Tools for Breast Cancer.

机构信息

Volunteer Services, UT Southwestern Medical Center, Dallas, TX.

Department of Pathology, UT Southwestern Medical Center, Dallas, TX.

出版信息

JCO Clin Cancer Inform. 2024 Mar;8:e2300074. doi: 10.1200/CCI.23.00074.

DOI:10.1200/CCI.23.00074
PMID:38552191
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC10994436/
Abstract

Standardizing image-data preparation practices to improve accuracy/consistency of AI diagnostic tools.

摘要

使图像数据准备实践标准化，以提高人工智能诊断工具的准确性/一致性。

相似文献

1
Detailed Image Data Quality and Cleaning Practices for Artificial Intelligence Tools for Breast Cancer.用于乳腺癌的人工智能工具的详细图像数据质量和清理实践。
JCO Clin Cancer Inform. 2024 Mar;8:e2300074. doi: 10.1200/CCI.23.00074.
2
Artificial intelligence for breast cancer detection and its health technology assessment: A scoping review.用于乳腺癌检测的人工智能及其健康技术评估：一项范围综述。
Comput Biol Med. 2025 Jan;184:109391. doi: 10.1016/j.compbiomed.2024.109391. Epub 2024 Nov 22.
3
Use of artificial intelligence for image analysis in breast cancer screening programmes: systematic review of test accuracy.人工智能在乳腺癌筛查计划中的图像分析应用：测试准确性的系统评价。
BMJ. 2021 Sep 1;374:n1872. doi: 10.1136/bmj.n1872.
4
Artificial intelligence in breast cancer: application and future perspectives.人工智能在乳腺癌中的应用及未来展望。
J Cancer Res Clin Oncol. 2023 Nov;149(17):16179-16190. doi: 10.1007/s00432-023-05337-2. Epub 2023 Sep 1.
5
A Multi-label Artificial Intelligence Approach for Improving Breast Cancer Detection With Mammographic Image Analysis.基于多标签人工智能的乳腺 X 线图像分析在乳腺癌检测中的应用。
In Vivo. 2024 Nov-Dec;38(6):2864-2872. doi: 10.21873/invivo.13767.
6
Artificial Intelligence (AI) for the early detection of breast cancer: a scoping review to assess AI's potential in breast screening practice.人工智能（AI）在乳腺癌早期检测中的应用：一项范围综述，评估 AI 在乳腺筛查实践中的潜力。
Expert Rev Med Devices. 2019 May;16(5):351-362. doi: 10.1080/17434440.2019.1610387. Epub 2019 May 3.
7
Differential diagnosis of breast cancer assisted by S-Detect artificial intelligence system.S-Detect 人工智能系统辅助乳腺癌的鉴别诊断。
Math Biosci Eng. 2021 Apr 27;18(4):3680-3689. doi: 10.3934/mbe.2021184.
8
Improving Ki67 assessment concordance by the use of an artificial intelligence-empowered microscope: a multi-institutional ring study.利用人工智能赋能显微镜提高 Ki67 评估一致性：一项多机构环研究。
Histopathology. 2021 Oct;79(4):544-555. doi: 10.1111/his.14383. Epub 2021 Jun 24.
9
Current status and prospects of breast cancer imaging-based diagnosis using artificial intelligence.基于人工智能的乳腺癌影像学诊断的现状与展望。
Int J Clin Oncol. 2024 Nov;29(11):1641-1647. doi: 10.1007/s10147-024-02594-0. Epub 2024 Sep 19.
10
Artificial Intelligence for the Management of Breast Cancer: An Overview.人工智能在乳腺癌管理中的应用：综述。
Curr Drug Discov Technol. 2024;21(4):e031123223115. doi: 10.2174/0115701638262066231030052520.

本文引用的文献

1
Preparing Data for Artificial Intelligence in Pathology with Clinical-Grade Performance.利用临床级性能为病理学中的人工智能准备数据。
Diagnostics (Basel). 2023 Oct 3;13(19):3115. doi: 10.3390/diagnostics13193115.
2
ENRICHing medical imaging training sets enables more efficient machine learning.丰富医学影像训练集可实现更高效的机器学习。
J Am Med Inform Assoc. 2023 May 19;30(6):1079-1090. doi: 10.1093/jamia/ocad055.
3
Artificial Intelligence in Breast Cancer Screening: Evaluation of FDA Device Regulation and Future Recommendations.人工智能在乳腺癌筛查中的应用：FDA 设备监管评估与未来建议。
JAMA Intern Med. 2022 Dec 1;182(12):1306-1312. doi: 10.1001/jamainternmed.2022.4969.
4
Global guidelines for breast cancer screening: A systematic review.全球乳腺癌筛查指南：系统评价。
Breast. 2022 Aug;64:85-99. doi: 10.1016/j.breast.2022.04.003. Epub 2022 Apr 19.
5
Basic principles of AI simplified for a Medical Practitioner: Pearls and Pitfalls in Evaluating AI algorithms.为医学从业者简化的人工智能基本原理：评估人工智能算法的要点与陷阱
Curr Probl Diagn Radiol. 2023 Jan-Feb;52(1):47-55. doi: 10.1067/j.cpradiol.2022.04.003. Epub 2022 Apr 22.
6
Evaluation and Real-World Performance Monitoring of Artificial Intelligence Models in Clinical Practice: Try It, Buy It, Check It.临床实践中人工智能模型的评估和真实世界性能监测：试一试、买一买、查一查。
J Am Coll Radiol. 2021 Nov;18(11):1489-1496. doi: 10.1016/j.jacr.2021.08.022. Epub 2021 Sep 30.
7
OPTIMAM Mammography Image Database: A Large-Scale Resource of Mammography Images and Clinical Data.OPTIMAM乳腺X线摄影图像数据库：乳腺X线摄影图像和临床数据的大规模资源。
Radiol Artif Intell. 2020 Nov 25;3(1):e200103. doi: 10.1148/ryai.2020200103. eCollection 2021 Jan.
8
Quality of Anatomic Staging of Breast Carcinoma in Hospitals in the United States, With Focus on Measurement of Tumor Dimension.美国医院乳腺癌解剖分期的质量，重点是肿瘤大小的测量。
Am J Clin Pathol. 2021 Aug 4;156(3):356-369. doi: 10.1093/ajcp/aqaa240.
9
How medical AI devices are evaluated: limitations and recommendations from an analysis of FDA approvals.医学人工智能设备的评估方式：基于对美国食品药品监督管理局批准情况分析的局限性与建议
Nat Med. 2021 Apr;27(4):582-584. doi: 10.1038/s41591-021-01312-x.
10
To buy or not to buy-evaluating commercial AI solutions in radiology (the ECLAIR guidelines).买还是不买——评估放射学中的商业人工智能解决方案（ECLAIR指南）。
Eur Radiol. 2021 Jun;31(6):3786-3796. doi: 10.1007/s00330-020-07684-x. Epub 2021 Mar 5.