name: 图像算法验证器 描述: 用于分割、检测和分析算法的医学图像处理算法验证技能 允许使用的工具:
- 读取
- 写入
- 全局匹配
- 文本搜索
- 编辑
- Bash 元数据: 专业领域: 生物医学工程 领域: 科学 类别: 医学影像 技能ID: BME-SK-031
图像算法验证器技能
目的
图像算法验证器技能支持验证医学图像处理算法，包括分割、检测和分析算法，确保其性能满足临床要求。
能力
- 真实标注数据集整理指导
- 性能指标计算（Dice系数、IoU、灵敏度、特异度）
- 观察者间变异性分析
- 统计比较方法
- 验证数据集分层
- 多阅片者多病例研究设计
- 符合FDA AI/ML指南
- 失败案例分析
- 边缘案例识别
- 性能边界测试
- 交叉验证方法
使用指南
何时使用
- 验证图像分析算法
- 整理验证数据集
- 设计阅片者研究
- 准备监管提交材料
前提条件
- 算法开发完成
- 真实标注已建立
- 验证数据集可用
- 性能标准已定义
最佳实践
- 使用具有代表性、多样化的数据集
- 建立稳健的真实标注方法
- 评估各亚组性能
- 记录失败模式
流程集成
本技能与以下流程集成：
- 医学图像处理算法开发
- AI/ML医疗器械开发
- 临床评估报告开发
- 软件验证与确认
依赖项
- SimpleITK库
- scikit-image
- MONAI框架
- 评估框架
- 统计分析工具
配置
图像算法验证器:
算法类型:
- 分割
- 检测
- 分类
- 配准
- 量化
指标:
- Dice系数
- IoU
- 灵敏度
- 特异度
- AUC
- 豪斯多夫距离
验证方法:
- 保留法
- 交叉验证
- 外部验证
输出成果
- 数据集整理协议
- 真实标注文档
- 性能报告
- 统计分析
- 阅片者研究结果
- 失败模式目录
- 监管提交章节
- 验证总结
质量标准
- 真实标注方法已验证
- 指标适用于算法类型
- 数据集代表预期用途
- 统计分析严谨
- 亚组性能已评估
- 文档支持监管审查