ДИСКРИМІНАЦІЯ ДАНИХ В ПАТОМОРФОЛОГІЇ. ШЛЯХИ ПОДОЛАННЯ-Reference-Cited by-同舟云学术

ДИСКРИМІНАЦІЯ ДАНИХ В ПАТОМОРФОЛОГІЇ. ШЛЯХИ ПОДОЛАННЯ

Published:2023-05-26 Issue:3 Volume: Page:7-10
ISSN:1997-7468
Container-title:Medical Informatics and Engineering
language:
Short-container-title:MIE

Author:

Мінцер О. П.^ORCID,Сінєнко Н. О.^ORCID

Abstract

Розглянуто питання сучасної аналітики, серед яких найгострішим є ризик дискримінації даних. Дослідження спрямовано на виявлення причин і наслідків дискримінації в інтелектуальному аналізі даних, а також на вивчення потенційних рішень цієї проблеми в патоморфології. Для встановлення складних взаємозв'язків між якістю оригінального зразка, якістю сканованого зображення, кількісними характеристиками застосованого стиснення, впливом на діагностичну інтерпретацію та інших пов'язаних діагностичних процедур (структурна класифікація, прогноз тощо) потрібно виконати значний обсяг робіт. Запропоновано алгоритм 4S (systematization, structuring stability of states), пов'язаний із використанням технології створення стійких морфологічних, гістологічних чи інших структур. Досвід його використання дає основу для обережного оптимізму.

Publisher

Ternopil State Medical University

Subject

General Medicine

Reference10 articles.

1. Favaretto, M., De Clercq, E., Elger, B. S. (2019). Big Data and discrimination: perils, promises and solutions. A systematic review. J Big Data, 6(12). DOI:10.1186/s40537-019-0177-4.

2. Homeyer, A., Hammad, S., Schwen, L. O., Dahmen, U., Hofener, H. et al. (2018). Focused scores enable reliable discrimination of small differences in steatosis. Diagn Pathol, 3(76). DOI:10.1186/s13000-018-0753-5.

3. Johnson, J. P., Krupinski, E. A., Yan, M., Roehrig, H. et al. (2011). Using a visual discrimination model for the detection of compression artifacts in virtual pathology images. IEEE Trans Med Imaging, 30(2), 306-314. DOI:10.1109/TMI.2010.2077308-2.

4. Khosravi, P., Kazemi, E., Imielinski, M., Elemento, O., Hajirasouliha, I. (2018). Deep Convolutional Neural Networks Enable Discrimination of Heterogeneous Digital Pathology Images. EBioMedicine, 27, 317-328. DOI:10.1016/j. ebiom.2017.12.026.

5. O'Connor, J. P. B., Rose, C. J., Waterton, J. C. et al. (2015). Imaging intratumor heterogeneity: role in therapy response, resistance, and clinical outcome. Clin Cancer Res, 21, 49-57.

Cited by 1 articles. 订阅此论文施引文献订阅此论文施引文献，注册后可以免费订阅5篇论文的施引文献，订阅后可以查看论文全部施引文献

1. Formulating tasks, interpretation, and planning the implementation of research results using artificial intelligence in medicine.;Artificial Intelligence;2024-03-20