가슴 칩 데이터 세트의 2 백만 건의 사례 : 가슴 이미지 AI 기본 모델의 "데이터 빌딩 블록"

전문가 가이드: 가슴 - 의학 이미지의 "봄 나무"

방사선 학자로서, 내 경력은 가슴 칩으로 시작합니다. 30 년 이상 후 고급 비디오 기술은 CT, MRI, PET-CT와 같은 개발되었지만 가슴 칩은 여전히 임상 용어에서 상영 이미지의 가장 널리 사용되는 수단입니다. 이미지 검사는 가슴 칩으로 싸고 쉽게 할 수 있으며, 거의 모든 사람들에게 상영 될 수 있습니다.

전국의 가슴 X 레이의 수는 연간 3 억 이상으로 추정되며, 모든 비디오 상영의 40 % 이상입니다. 의료 심사에서 첫 번째 응급 치료까지, 병원화 일상에서 수술 후 후 후속까지, 가슴은 어디에 있습니다. 호흡기 질환, 심장 혈관 질환, 모유 수유 등과 같은 질병 진단을위한 첫 번째 선입니다. 공공 보건 서비스에서 중요한 도구입니다.

그러나 가슴 정제의 품질은 혼합. 가슴 테이블은 정보의 매우 큰 양을 포함 - 폐장, 폐문, 간섭, 심장 mitectomy, pectrometer, 근육 근육, 늑골, thorax... 가슴의 어떤 부분에서 어떤 anomaly 질병의 신호가 될 수 있습니다. 가슴 정제의 전체적이고 정확한 독서는 고체 마취약, 병리학 및 임상 지식, 뿐 아니라 영화에 광대한 노출을 가진 의사를 요구합니다.

실제로, 훈련의 긴 주기 및 방사선 학자의 낮은 성공률 및 가슴에 대한 높은 수요는 공급 및 수요에 심각한 불균형으로 이끌었다. 특히, 1 차 수준에서, 가슴을 진단하는 수용량은 일반적으로 약합니다 – 1 차적인 수준의 많은은 일반적인 선행자 또는 저 나이 의사에 의해, 진단에 있는 과실의 높은 비율과 더불어 읽습니다.

오늘날, 2026, 인공 지능은 가슴의 진단을 혁명화하고 있습니다. 이미지 분류에서 이미지 분류에서 보고서 생성에 이르기까지 단일 모드 검출에서 2D 이미지에서 크로스 모듈 학습에 이르기까지 가슴 캡슐의 개발이 변화합니다.

오늘, 나는 당신을 탐구하고 싶습니다, 방사선 학자의 관점에서, 가슴 X-ray AI의 절단 가장자리와 2백만 XR-CHEST 가슴 X-ray 데이터 세트의 산업 가치와 전략적인 중요성은 Chang Long-Hang-Hong-Hong-Hong-Hong-Hong-Hyun Information Technology의.

II. 무역 고통: 가슴 정제 진단의 "Quadretex"

Difficulty one: 거대한 작업대, 의사에 무거운 짐

산천병원의 방사선학과는 매일 수천 개의 가슴 칩 보고서를 처리 할 수 있습니다. Radiologists는 독서실에 매일 앉아서 단일 페이지 독서와 함께 화면에 스타팅, 건조한 눈과 scapric 산.

이 웹 사이트는 귀하가 웹 사이트를 탐색하는 동안 귀하의 경험을 향상시키기 위해 쿠키를 사용합니다. 이 쿠키들 중에서 필요에 따라 분류 된 쿠키는 웹 사이트의 기본적인 기능을 수행하는 데 필수적이므로 브라우저에 저장됩니다. 또한이 웹 사이트의 사용 방식을 분석하고 이해하는 데 도움이되는 제 3 자 쿠키를 사용합니다. 이 쿠키는 귀하의 동의하에 만 브라우저에 저장됩니다. 이러한 쿠키를 거부 할 수도 있습니다. 이러한 쿠키 중 일부를 선택 해제하면 검색 환경에 영향을 미칠 수 있습니다.

의사는 무거운 작업 부하의 압력 아래 각 가슴에 충분한 시간과 노력에 헌신하는 것은 어렵습니다. 외국 연구에 따르면, 방사선 학자는 가슴 태블릿에서 평균 30 초 미만의 지출.

연구는 8 시간의 일 후에 그 후에, 방사선 연구원은 10-15%에 의하여 진단의 정확도 비율을 감소시킵니다. 우리의 국가에서, 많은 방사선 연구원은 8 시간 이상 일하고, 진단의 질의 문제는 피로에 의해 합성됩니다.

Distress II: 진단의 잔디 뿌리 수준 및 빈약한 질에 낙 수용량

큰 병원에 문제가 "바디지 않는 경우"그 때 기본 병원에 문제가 "적용 용량이 없습니다."

우리의 1 차적인 건강 관리 기관의 방사선 부는 일반적으로 인원, 장비 및 수용량의 부족을 직면합니다. 많은 군 병원에는 1개 2개의 방열기가 있고, 그들 중 대부분은 체계적으로 훈련되지 않았습니다.

일반 수준 (2025)의 의료 이미지 서비스 상태의 조사에 따르면, 1 차 보건 관리 기관의 가슴의 진단은 65-75% 정확하고, 누설의 비율은 15-25%로 높습니다. 특히, 폐암의 조기 진단은, 30 %를 초과하는 잔디 뿌리 수준에 실패의 비율과 더불어, 많은 환자가 기본 수준에 가슴 영화를 가지고 가지고 있다는 것을 의미하지만, 시간에 검출되지 않았고, 그 중반의 진단 단계는 환자가 더 높은 부분에서 수술을 할 때 진단의 단계입니다.

주요 병원은 환자의 건강에 영향을 미치지 않는 주요 질병에 대한 진단을위한 용량 부족뿐만 아니라 치료 수준의 발전을 제한합니다. 환자는 잔디 뿌리 수준에서 진단 결과를 신뢰하지 않으며 주요 병원으로 실행되는 주요 질병과 함께 더 접근 할 수있는 기본 병원을 유발합니다.

세 번째 문제 : 질병은 너무 수많은, AI는 "전사 전쟁"입니다.

다양한 가슴 질병은 수백 가지입니다. 다른 질병의 이미지는 다르며 진단 기준은 다르습니다. 이것은 폐렴 검사, 일부 노르실, 일부 결핵 검사 및 기타 연성 모유를 수행하는 회사와 함께 가슴 캡슐 AI의 "배틀 투 액션" 상황의 개발으로 이어집니다.

이 "단일 질병"AI 개발 모델에는 여러 가지 문제가 있습니다. 첫째, 제한된 임상 값 - 의사는 격리 된 결과보다 포괄적 인 진단을 필요로합니다. 두 번째, 높은 배치 비용 - 병원은 여러 AI 시스템을 통합하고 유지해야합니다. 그리고 세 번째, 낮은 데이터 활용 - 각 AI는 데이터 리소스의 낭비를 일으키는 데이터의 일부 라벨 만 사용합니다.

최근 몇 년 동안 멀티 동급 가슴-위튼 AI 제품이 있었지만 성능은 일반적으로 만족하지 않았습니다. 그 결과, 데이터는 다향적 조합 진단을위한 AI 시스템을 교육하는 것은 동시에 스카이스라는 여러 병리학을 라벨로 설정하는 대규모 데이터가 필요합니다.

녹여 IV: 질 탈선, “금된 기준” 아닙니다.

가슴 정상 AI의 훈련은 광대한 자료 레테르를 붙이는 것을 요구합니다. 그러나, 상표의 질은 부풀어지고 기업에 있는 광대한 문제입니다.

이 연구는 연구에 따르면, 연구는 연구에 따르면, 연구는 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구는 연구에 따르면, 연구 및 개발의 연구는 연구에 따르면, 연구 및 개발의 연구는 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구는 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구는 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구 및 개발의 연구 및 개발의 연구에 따르면, 연구 및 개발 및 개발의 연구 및 개발의 발전에 따르면, 연구 및 개발 및 개발의 발전에 따르면, 연구 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발

이 이유를 들어, 가슴에 표시된 금 표준은 종종 "금"이 아닙니다. 많은 데이터 세트는 의사에 의해 표시되며, 품질은 검토 및 품질 관리없이 보장하기 어렵습니다. 이 데이터로 훈련 된 AI 모델은 이해 할 수있는 성능 천장입니다.

3, 2026 프론트 라인 스루 : 가슴 이미지 AI의 "Five Technology wave".

2025-2026 년 가슴 X-ray AI 분야는 기술의 새로운 물결을 보았다. 기본 모델, 다 방향성 관절 진단, 보고서 생성, 크로스 모델 학습 등, 평행으로 이동, 가슴 필름 AI를 개발의 새로운 단계로 밀어.

1개 끊기: 대량 전 훈련의 기본적인 모형 -- 보편적인 가슴 Ai의 탄생.

2025년부터, 기초 모형은 의학 영상 AI를 위한 가장 핫한 방향이 되었습니다. 가슴 칩의 지역에서, 대량 전 훈련의 기본적인 모형은 “one-on-one”의 발달 모형을 바꾸고 “one-on-one” “general-chip AI”를 생성하.

3 월 2025에서 Google DeepMind는 14 형 가슴 병리 테스트와 함께 가슴 캡틴 임무에 인상적으로 수행 된 polymode 약의 일반적인 모델 인 Nature의 Med-PaLM M 모델을 발표했습니다. Med-PaLM의 평균 AUD는 가슴 칩 훈련에 전념하는 가장 이전 모델보다 0.93에 도달했습니다.

그러나 더 눈에 띄는 것은 "일반 기능"-- 같은 모델, 각 질병에 대한 개별 교육을 필요로하지 않는 여러 야수 병리를 식별. 이것은 질량 사전 훈련에서 오는 "적용 용량" 덕분에 -- 모델 크기와 훈련 데이터가 특정 수준에 도달 할 때, 모델은 갑자기 많은 작은 모델이하지 않는 기능을 취득.

10 월 2025에서 좋은 소식은 나라에서 왔습니다. 첫 번째 기본 가슴 칩 모델 인 ChestFM은 800,000 가슴 칩 데이터를 기반으로 요르단 태양 병원 대학과 협력하여 UNI가 발표 한 것으로, 자체 감독 한 후 여러 다운 스트림 임무에 잘 맞서 싸웠습니다. 14 질병 감지 임무에서 ChestFM은 국제 고급 수준에 비해 0.92 AUC를 평균했습니다.

2026년, 가슴 캡처 기본 모델은 "대형, 더 강한"으로 더 방향에서 이동했습니다. 나는 그것을 이해하기 때문에 Longwaytech는 2 백만 개의 가슴 캡처 데이터 세트를 기반으로 한 더 큰 가슴 이미지 기본 모델, ChestFM-200M을 훈련하기 위해 국가의 최고 AI 팀과 협력하고 있습니다. 처음 결과 ChestFM-200M은 많은 다운스트림 임무보다 기본 모델의 첫 번째 세대에서 크게 더 많은 것을 수행했으며 특히 드문 병리학 및 복잡한 경우.

2개 틈: 멀티 디케이스 관절 진단 -- "전체 평가"에 "원점 시험"에서

클리닉가 포괄적인 체계적인 과정 인 가슴 정제를 읽습니다. 폐의 바닥에, cleavage에서 plethora에, 뼈에서 연약한 조직에, 보게 하고 단 하나 방법에 재판되기 위하여.

2025-2026에서 멀티 디테일 관절 진단은 가슴 태블릿 AI의 주요 개발되었다. 6 월 2025에서, 방사선학의 스탠포드 대학 학교에 의해 출판 된 연구는 37 모유 질병을 동시에 진단 할 수있는 ChestX-Dense 모델을 생산, AUC의 평균에 도달. 멀티 디테일 관절 모델은 단일 디테일 모델보다 포괄적이지 않지만 다른 질병의 특성의 공유 때문에 특정 질병에 대한 높은 진단 정확도가 있습니다.

2026 년 새로운 돌파구는 여러 질병의 관절 진단에서 이루어졌습니다. Longhui 기술에서 가슴 정제의 150,000 사례를 기반으로 한 베이징의 방사선 팀은 멀티 배출 멀티 방향족 가슴 - 인 - ambranch 시스템 ChestMultiNet을 개발했습니다.

다른 것보다, 팀은 다른 질병과 전반적인 진단 성능을 향상시키기 위해 합병과 진단 관계를 사용하는 모델에서 "디케이스 링크 모델"를 도입했습니다. 예를 들어, 가슴 구멍이 종종 폐의 상단 끝보다 더 나은 pneumonia 또는 종양과 관련되어있는 모델 "knows"를 소개합니다. 이 사전 연구는 AI의 진단을 인체 의사의 생각과 더 많이 만드는 데 사용됩니다.

3가지를 깨기: AI의 보고서 생성 -- "영화를보고"에서 "보고서를 작성."

방사선 학자의 일은 "영화를보고"하지만, 더 중요한 것은 "보고를 쓰기"- 전문적이고 표준화 된 언어의 이미지를 설명하고 진단 및 권고를 제공합니다.

2025년, 빅 언어 모델(LLM)의 기술로 급속한 속도로 발전해 왔습니다. AI는 연구에 대한 핫스팟으로 비디오 보고서를 자동으로 생성합니다. 5월 2025일, Microsoft Institute는 John Hopkins University와 공동으로 Nature Medicine의 GPT-4 기반 가슴 보고서 생성 시스템을 발표했습니다. 이 시스템은 자동적으로 구조화 된 가슴 시트 보고서를 생성하는 대형 언어 모델과 이미지 특성화를 결합합니다. 방사선 학자의 블라인드 검토에서 AI-genearclinic의 60 % 이상이 평가 된 "의 30 %"에 대한 평가를 받았습니다.

중국식 가슴 캡션 시스템 ChestReportGPT는 상하이의 Longsier Hospital에 의해 설정된 대규모 데이터에 기반을 둔 개발되었습니다. "Victor Code"를 사용하여 중국 의학 메가-리듬 모델, 시스템은 자동으로 중국 방사선과 규범과 관련한 가슴에 대한 보고서를 생성합니다.

Preliminary 임상 시험은 ChestReportGPT에 의해 생성한 보고가 중요한 발견의 정확도의 88%를 도달하고, 보고의 완전한의 92%, 및 방열기 연구원에 의해 높게 평가했습니다. 더 중요하게, 체계는 의사가 60% 이상에 의하여 보고를 쓴 시간으로 크게 개량한 효율성을 가지고 있습니다.

물론, AI 보고서 생성은 여전히 지원 단계에서 – AI의 첫 번째 초안은 생산되고 의사는 검토합니다. 그러나 나는 기술이 계속 개선되기 때문에 AI 보고서의 품질은 이제부터 가속화되고 결국 방사선 학자를위한 "쓰기 조수"가 될 것이라고 믿는다.

4차: 크로스 모듈 학습 - X-ray + CT 지식 마이그레이션

가슴은 제한된 정보와 함께 2D 투사입니다. CT는 풍부한 정교한 원자 정보를 제공하는 3D 결함 이미지입니다. CT가 배운 지식이 가슴으로 이동되면 가슴의 성능을 크게 향상시킬 수 있습니다. 크로스 모델 학습의 아이디어입니다.

2025년, 이 연구팀은 주요 획기적인 역할을 담당했습니다. MIT General Hospital의 연구팀은 XCT-Net 모델을 발표했으며, CT 데이터의 큰 양을 사용하여 가슴 테이블의 훈련을 보완합니다.

실험 결과 CT 전 훈련 된 가슴 태블릿 모델의 성능이 보여 주며 폐 dysslexia detection, pneumoniacognis 등의 목적은 가슴 태블릿 데이터 (AUC가 5.2 및 4.8 비율 포인트로 증가)와 함께 훈련하는 것보다 훨씬 더 낫습니다. 이것은 심층적 지식 전송의 효과를 보여줍니다. CT의 더 유익한 정보는 교회 가슴 태블릿 모델의 병리를 식별 할 수 있습니다.

2026년, 크로스 모듈 학습은 더 이동했습니다. 뮌헨 산업 대학의 팀은 CT 데이터를 사용하여 "enhanced" 가슴 태블릿 데이터를 사용하여 크로스 모듈 생산 모델을 제안했으며, 다양한 관점에서 합성 가슴과 다양한 학위의 다양한 학위의 교육 데이터 세트를 확장 할 수 있습니다.

Longway Technologies는 Cross-modular Learning을 적극적으로 맵핑하고 있습니다. Cross-modular chest-ray AI 연구에 대한 데이터 지원을 제공하기 위해 "X-ray plus CT" 페어링 데이터 세트를 구축하는 것으로 이해됩니다. 이 방향은 부서지기 때문에 가슴 광선의 성능을위한 새로운 공간을 열 수 있습니다.

5가지: 병리적 금 표준 인증 -- "image Diagnostic"에서 "pathology control"로

오랜 시간 동안 가슴 정상 AI의 훈련 및 검증은 금 표준으로 비디오 의사의 진단을 기반으로하고있다. 그러나 비디오 진단은 궁극적으로 간접이며 병리적 진단과 병리적 진단 사이의 간격이 있습니다.

2025년부터, 점점 연구는 "image-pathological 대조"에 집중했습니다 - 병리학적인 진단 결과를 사용하여 가슴 정상 정상 정상 정상 정상 모형의 검증 그리고 최적화. 9월 2025에서는, Sloan-Käitlin 암 센터 (MSKCC)는 Lancet 디지털 건강에 있는 학문을, 훈련하고 병리학적으로 확인한 폐암 케이스를 사용하여 가슴 정상 정상 정상 정상 정상 정상 정상 정상 모형을 검증했습니다, 이는 12의 센트를 가진 12의 센트를 보여주고 암의 특정한 탐지에 있는 증가를 감소시킵니다.

이 연구의 점은 "경력 금 표준"에 "이미지 의사 수준"에서 이동 가슴 정상 AI의 발달에 대한 새로운 방향에 점이다. 이미지는 병리학과 정확히 동일 할 수 있지만, 가슴 정상 AI의 목표는 병리 표준을 향해 가능한 한 바싹 이동하는 것입니다.

2026년, 길거리 데이터 세트는 또한 이 분야에 있는 중요한 돌파구를 만들었습니다. 그들은 폐암, 결핵 및 폐암을 포함하여 질병의 광범위를 포함하는 병리학적으로 대조된 가슴 카드 자료를의 수천을 공동으로 만들었습니다. 이 병리학적인 금 자료는 AI 모형의 성과를 확인하기 위하여 뿐만 아니라, 더 정확한 AI 모형을 훈련하기 위하여 사용될 수 있습니다 — AI는 의사를 진단하는 방법, 그러나 어떤 질병이 진짜로인지 배웠습니다.

IV. 장거리 데이터 세트의 깊이 해석 : 백과 사전 가슴 데이터 저장소의 2 백만 건의 사례

기술 프론트에 도착하면이 기술을 언더핀으로 데이터베이스를 살펴봅니다. XR-CHEST 가슴 X-ray 데이터 세트는 Chang Longway Information Technologies의 가장 큰 최고의 디스플레이 및 가장 품질 breast-chip 데이터 세트 중 하나입니다. 내 전망에서 6개의 핵심 장점이 있습니다.

장점 1 : 2 백만 크기 - 대형 데이터 구동 기본 모델

Rang Hui XR-CHEST 데이터 세트에는 2 백만개의 가슴 X-ray 이미지가 포함되어 있으며, 국가의 가슴에 대한 주요 데이터 세트가 있습니다. 2백만개의 사례의 개념은 무엇입니까? 그것은 10 ~ 10 년 동안 대형 Sanctuary Hospital에서 10-15 년의 가슴 필름 검사의 총 수 또는 1 년간 중간 크기의 도시에 모유 필름 검사의 총 수에 해당합니다.

왜 그렇게 큰가요? "기본 모델 연령"을 입력했기 때문에. 밑단 모델의 핵심 논리는 "대중 사전 훈련 플러스 다운스트림 미세 조정"이며 사전 훈련의 효과는 데이터의 크기와 긍정적으로 관련되어 있습니다.- 더 많은 데이터 모델 학습, 더 일반적인 기능, 더 나은 다운스트림 임무의 성능.

데이터의 2 백만 건의 사례는 고품질의 가슴 이미지베이스 모델을 훈련하기위한 충분한 "유연"을 제공합니다. 나는 책임감있게 말할 수 있습니다. 국내에서는 진정한 기본 가슴 칩 모델에서 훈련을 지원하는 몇 가지 데이터 세트가 있으며, Longway의 XR-CHEST는 그들 중 가장 좋습니다.

인구의 크기와 함께, 루앙 후이 데이터 세트의 유통은 매우 합리적입니다. 그것은 다른 연령, 성별 및 지역의 사람들을 포함하고, 질병의 스펙트럼 시스템에 정상에서 사례를 다룹니다. 이 균형 잡힌 배포는 모델이 비싸지 않으며 다양한 사람들에게 적용될 수 있다는 것을 보증합니다.

이점 2: 14 일반적인 병리학 표시 - 임상의 전체 적용

루앙 후이 데이터 세트 's 레테르를 붙이는 시스템은 핵심 임상 요구의 주위에 설계하고 포함 된 가슴 질병의 14 가지 가장 일반적인 유형을 다룹니다.

• 렁 병리 (7 그룹) :폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐경, 폐
• 경작 변화 (2개의 종류):많은 plethora, 가스 pecs를 인용합니다.
• 심장과의 상호 관계 (클래스 2):나는 조금 더 나보다.
• 다른 (3개의 종류):, pleural 증가/adhesive, 뼈 이상화한 난로

이 14 종류의 병리학은 가슴 검사에서 긍정적 인 탐지의 90 % 이상이며 기본적으로 일상적인 임상 작업에서 가장 일반적인 모유 질병을 커버합니다. 이 데이터 세트를 기반으로하는 AI 시스템은 가슴 정제의 철저한 및 체계적인 평가를 허용하므로 질병에 집중합니다.

이 웹 사이트는 귀하가 웹 사이트를 탐색하는 동안 귀하의 경험을 향상시키기 위해 쿠키를 사용합니다. 이 쿠키들 중에서 필요에 따라 분류 된 쿠키는 웹 사이트의 기본적인 기능을 수행하는 데 필수적이므로 브라우저에 저장됩니다. 또한이 웹 사이트의 사용 방식을 분석하고 이해하는 데 도움이되는 제 3 자 쿠키를 사용합니다. 이 쿠키는 귀하의 동의하에 만 브라우저에 저장됩니다. 이러한 쿠키 중 일부를 선택 해제하면 검색 환경에 영향을 미칠 수 있습니다. 이러한 쿠키 중 일부를 선택 해제하면 검색 환경에 영향을 미칠 수 있습니다.

3가지 강점: 멀티센터 멀티-장비 - Data Diversity and Broadening

AI 모델의 광범위한 기능은 교육 데이터의 다양성에 큰 범위에 달려 있습니다. Longfei 데이터 세트의 또 다른 중요한 장점은 다 센터, 멀티 장비 소스입니다.

이미지 장비는 국가와 해외의 주요 상표를 포함하여 주류 상표의 100개의 모형을 GE 시멘스, 필립스, Ui-tung, Wandong 및 동쪽 연약한과 같은 포함합니다.

이 넓은 데이터 소스는 데이터 세트의 "heterogenicity"를 보장 - 다른 이미지 품질, 다른 투상 조건, 다른 장비 매개 변수, 다른 인구 특성 ... AI 모델은 병원, 장치에 대한 과도한 데이터보다 진정한 미세 기능을 배우기 위해 설정된 이러한 데이터에서 훈련됩니다.

이 웹 사이트는 귀하가 웹 사이트를 탐색하는 동안 귀하의 경험을 향상시키기 위해 쿠키를 사용합니다. 이 쿠키들 중에서 필요에 따라 분류 된 쿠키는 웹 사이트의 기본적인 기능을 수행하는 데 필수적이므로 브라우저에 저장됩니다. 또한이 웹 사이트의 사용 방식을 분석하고 이해하는 데 도움이되는 제 3 자 쿠키를 사용합니다. 이 쿠키는 귀하의 동의하에 만 브라우저에 저장됩니다. 이러한 쿠키 중 일부를 선택 해제하면 검색 환경에 영향을 미칠 수 있습니다.

힘 4: Pathogen 기준 — 가장 높은 수준 자료 검증

긴 카이 데이터 세트의 가장 차분한 이점 중 하나는 병리적 가치로 가슴 정제의 수천을 함유 한 것입니다. 이 경우 폐암, 결핵, 폐암, 폐암, 폐암, 폐암, 폐암, 폐암, 폐암, 폐암 등 다양한 질병을 다루는 명확한 병리적 진단이 있습니다.

왜 병리 금 표준이 중요합니까? 비디오 진단은 "완전,"과 병리 진단은 "확인"입니다. 비디오 의사의 진단을 사용하여 교육 라벨로 AI는 "성형 의사가 그것을 어떻게 볼 수 있는지,"및 라벨로 병리 진단을 사용하여 AI는 "무엇 질병이 정말인지."

물론, 표준 병리 금 데이터는 매우 어렵습니다. 모든 환자는 병리적 인 테스트를 가지고 있지만 병리와 이미지 사이의 시간과 공간 간격이 있습니다. 긴 Hui는 수천 개의 병리적으로 대조 된 가슴 카드 데이터를 수집 할 수 있으며 쉽게 없습니다.

이 표준 병리 금 자료, 이는 모델 검증 "금융 크리에이터"로 AI의 진정한 성능을 평가하는 데 사용되며, "고정 라벨"으로 기차로 tumours와 같은 주요 질병을위한 모델의 진단 정확도를 향상시키기 위해. 그것은 표준 병리 금 데이터가 "긴웨이 데이터 세트의 크라운에 중간 구슬"라고 말할 수 있습니다.

힘 5: 수평 3 품질 관리 체계 -- 자료 질의 moat

데이터 품질은 AI의 생명입니다. 긴 Hui는 데이터 품질 관리를 위한 견고한 모트를 창조한 데이터 품질 관리 시스템을 잘 수립했습니다.

1개의 품질 관리: 이미지 질 검열.입력된 모든 가슴 카드는 이미지 명확성, 몸 수락 (이거나 표준 긍정적인 정제가 아닙니다), 노출 복용량 테스트, 등을 포함하여 엄격한 질 검열에, 주관합니다. 자격이 없는 이미지는 자동적으로 진단 질 요구에 응하는 각 이미지가 만나는다는 것을 보증하기 위하여 제외됩니다. Lai Hue 자료 세트에는 98.5% 이상의 시각 질 등급이 있습니다.

두 번째 품질 관리 : 이중 마크 + 전문가 리뷰.불멸이 있는 경우, 제 3의 수석 의사는 중재에 언급됩니다.

3 품질 관리: 정규적인 표본 추출 및 동적인 감시.Long Hui는 정기적으로 표시된 자료를 표본에 잘 설치한 품질 관리 기계장치를 설치하고 상표 질의 안정성을 평가했습니다. 의사가 감소한 질의 일 것으로 찾아낸 경우에, 적시에 재기됩니다.

이 엄격한 품질 관리 체계는 긴 Wai의 자료의 질의 중요한 보증입니다. 우리의 자신의 전문가에 긴 Hui의 자료에 비교된 나의 연구 센터는, 92% 이상 일관된이었습니다. 이것은 상업적인 자료 농도의 아주 높은 수준입니다.

이점 6: 구조화 보고 및 임상 정보 - 다차원 자료의 가치

긴 카이 데이터 세트는 이미지와 라벨뿐만 아니라 임상 정보 및 구조화 된보고 자료의 풍부한을 포함하지 않습니다. 이 다차원 정보는 크게 데이터 세트의 가치를 증가시킵니다.

특히, 데이터 세트는 환자의 기본 정보 (age, 성, 지리), 임상 진단, 실험실 결과 (혈액 프로토콜, 생화확, 등), 다른 비디오 상영 (CT, MRI, 등), 병리 진단, 치료 프로그램, 후속 정보 등 임상 정보를 포함합니다.

이 다차원 정보의 가치는, 첫째로, 그들의 역할 더 정확한 AI 모형을 훈련하는 것을 돕기 위하여 추가 감시 신호로 속합니다; 둘째로, 다모형 학습 (image + 임상 원본 + 실험실 자료); 그리고 세번째로, 이미지와 임상 상관 분석, prognosis, 등에 연구할 수 있는 임상 연구를 위한 그들의 부 정보.

또한, 루앙 후이는 구조화 된 방사선 조사 데이터를 제공합니다. 이 데이터는 시각적 인 발견뿐만 아니라 진단 관찰 및 권고뿐만 아니라 "보고를 쓰는 방법"을 배우는 가장 좋은 AAI 교육 자료입니다.

V. 임상 응용 시나리오 : AI 가슴 태블릿의 재 형성을위한 5 가지 주요 시나리오

XR-CHEST 데이터 세트 훈련을 기반으로하는 AI 시스템은 가슴 클리닉 치료의 많은 장면에서 중요한 역할을합니다. 나는 대부분의 대표 응용 프로그램을 발표 할 것입니다.

VI. 사회 이익과 산업 가치: 데이터 활성화 "포함된 건강 관리"

의료비 개선 - 품질 비디오 진단을 할 수

건강 평등은 건강한 중국 전략의 중요한 목적입니다. 그러나, 다른 지역에 있는 이미지의 진단의 수준에 있는 거대한 disparity가 있고 건강 관리의 다른 수준에 있습니다.

AI 기술의 광범위한 사용은 상황을 변화시킵니다. 2 백만 평방 미터의 데이터 교육 기반 가슴 칩 AI 시스템은 X 선 기계와 함께 모든 위치에 배치 할 수 있습니다. 앞선 도시 또는 원격 산악 지역에 농촌 보건 센터의 산차 병원 중 하나 인 X 선 기계와 함께. AI 보조 진단 서비스의 동일한 수준을 제공 할 수 있습니다.

국립 보건위원회 (National Health Board)는 심혈관 치료 AI가 국가 전역의 지역 병원 및 지역 사회 보건 센터의 80 %를 커버 할 수 있는지 추정하여 약 200 만 번의 교차 지역 접근을 줄일 수 있으며 환자 가족은 교통, 숙박 시설, 직장, 등 50 억 위안 이상을 절약 할 수 있습니다. 환자의 수십억 명이 더 중요한 것은 적시 및 정확한 방식으로 진단되고 질병 예측이 크게 개선 될 것입니다.

진단의 질을 개량 - 과실의 수를 감소시키고 의학 안전을 지키기

치료 및 안전의 품질은 병원 관리의 영구적인 테마입니다.

AI는, 두번째 눈으로, 효과적으로 진단에 있는 과실의 불균형을 감소시키고 진단의 질을 개량할 수 있습니다. AI는 피로하지 않으며, 감정적으로 비정확한, 그리고 negligent는 아니고, 지속적으로 그리고 꾸준히 제공된 고품질 진단 원조를 제공합니다.

병원 관리 관점에서, 의료 장애 진단의 비율을 감소, 환자 만족을 높이고 병원 명성을 강화하는 의료 분쟁을 감소 의미.보기의 사회적 관점에서, 환자는 적시에 진단되고 정확한 방식으로 진단된다, 질병이 조기 치료, 더 나은 전진, 질병의 부담은 사회에서 전체로 감소된다.

의사의 가치를 풀어 - clinician에 읽힌 기계에서.

Radiologists는 종종 "읽는 기계"에 웃음을 만듭니다. 매일 컴퓨터 앞에 앉아서 영화와 쓰기 보고서를 읽고 반복 작업은 대부분의 시간에 걸립니다. 이 패턴은 의사뿐만 아니라 전문 가치를 제한합니다.

AI는 방법 방사선 연구원 일을 바꾸기 위하여 소개되고 있습니다. AI는 초기 보고의 예비적인 검열, 측정 및 준비로 그런 반복적인 일을 책임지고, 의사는 어려운 케이스, 임상 단위, 환자 상담, 등을 가진 커뮤니케이션의 분석에 더 많은 시간을 열애하는 동안, 더 직업적 인.

가슴 칩 AI의 도입은 150에서 250까지 의사의 일일 가슴 칩보고 증가했지만 피로의 감이 감소했습니다. 그 사이에 의사의 시간은 어려운 사례 토론과 임상 상담에 대해 40 % 증가했으며 클리닉의 전체 학업 수준과 용량이 개선되었습니다.

산업 발전 촉진 - 의료 AI 혁신 생태 구축

고품질의 대용량 데이터 세트는 AI 제품의 기초뿐만 아니라 전체 의료 AI 산업을위한 인프라로뿐만 아니라, Longway의 XR-CHEST 데이터 세트의 개방 및 응용 프로그램은 전체 가슴 이미지 AI 산업의 개발을 구동 할 것입니다.

먼저 AI R & D에 대한 임계값을 낮춥니 다 - 시작 회사 및 연구 기관은 0에서 데이터 수집을 시작해야하며 Long Hui의 데이터 기반에 직접 개발 할 수 있으며 연구 및 개발주기 및 비용을 크게 줄일 수 있습니다.

두 번째, 그것은 기술 혁신과 산업 협력을 촉진 – 다른 기업 및 연구 기관은 동일한 데이터의 기초에 연구 및 경쟁을 수행 할 수 있으며 급속한 기술 발전을 촉진합니다. 동시에 데이터 회사, AI 회사, 의료 장비 회사 및 건강 관리 기관은 혁신적인 생태계를 만들 수있는 더 가까운 협력을 추진 할 수 있습니다.

마지막으로, 규정 및 표준화에 대한 참조를 제공합니다 - AI 제품의 검토 및 승인을위한 "baseline test set"로 제공 할 수있는 고품질 지표 데이터 세트 및 산업 표준 및 규제 정책 개발의 설립에 대한 데이터 지원을 제공합니다.

"고품질의 가슴 칩 데이터의 2 백만 건의 사례는 가슴 이미지 AI의 "데이터 빌딩 블록"입니다. 그것은 AI 제품뿐만 아니라 전체 산업 및 건강 및 수백만 명의 환자의 혁신적 개발도 지원합니다."

VII. 전문가 시각: 가슴 칩 AI의 다음 3-5 년에 있는 동향

영화 시대부터 디지털과 지적까지 의학적 이미지의 진화를 목격한 라디에이터로서, 나는 가슴 부튼 AI의 다음 3~5년을 기대합니다. 여기에는 내 판단이 있습니다.

트렌드 하나 : 재단 모델은 프레임입니다 -- "모든 작업의 관심을 가져주는 하나의 모델."

다음 3 ~ 5 년 동안 기본 모델은 가슴 칩 AI의 공식이 될 것입니다. 우리는 각 질병, 각 임무에 대한 개별 모델을 훈련 할 필요가 없지만 대규모 전 훈련 기본 모델과 다른 다운스트림 작업을 적응해야합니다.

이 데이터는 데이터의 양이 작은 데이터가 표시될 수 있는 새로운 임무에 대한 좋은 성능을 달성할 수 있는 "Knowledge Reserve"을 통해 데이터의 양이 크게 향상되고, 세 번째로 작은 샘플 학습이 크게 향상되었습니다. 이러한 모델은 이러한 데이터의 양이 작은 데이터가 표시될 수 있는 새로운 임무에 좋은 성능을 달성할 수 있는 "knowledge Reserve"을 사용하여 데이터의 성능이 향상되었습니다. 그리고 세 번째로, 지속적인 학습과 이차적인 것은 더 쉽게 데이터의 기본 모델이 진화하고, 새로운 지식과 진화를 가속화할 수 있습니다.

2028년까지, 주류 가슴 정상 AI 제품은 기본적인 모형 구조에 근거를 두어, 보편적인 가슴 정상 AI는 기업 기준이 될 것이라고 예상합니다. 누구든지 가장 큰 고품질 훈련 자료가 기본적인 모형을 위한 경쟁에 지배적인 위치가 있을 것입니다.

Trends II: "Clinical Decision Support"에 "Assisted Diagnostics"에서

현재 가슴 AI는 여전히 "진단 진단"의 수준에서 크게 -- 의사에게 어디있다." 미래에, 가슴 AI는 "의료 결정 지원"의 방향을 업그레이드 -- 단지 의사에게 무엇을 의미하는,뿐만 아니라 의사에게 무엇을 의미하는지 말해.

특히 AI는 환자의 임상 정보, 의학 역사, 실험실 검사, 등의 다차원 데이터를 고려하여, 더 많은 검사, 참조에 대한 자세한 종합 진단 조언, 진단 분석, 권고를 제공할 것입니다.

이 이미지 데이터의 깊은 통합에 의해 달성 될 것입니다. 길 데이터 세트는 이미지뿐만 아니라 풍부한 임상 정보 및 구조화 된보고 데이터와 함께이 영역에서 잘 배경입니다.

Trends III: Multimodular 통합 - 이미지, 텍스트, 유전자, 게놈의 통합

미래 의료 AI는 다모콘 - 이미지, 텍스트, 유전자, 대사 그룹, 단백질 그룹 ... 모든 모자이크에 데이터는 질병 진단, 치료 및 예방에 대한 더 포괄적 인 정보를 제공하기 위해 통합 될 것입니다.

다모렐 통합의 가치는 가슴 질병의 지역에 특히 분명합니다. 예를 들어, 폐암의 초기 진단은 이미지, 종양 마커, 흡연의 역사, 가족 역사, 등등의 조합을 요구합니다; meso transgenic 폐 질환의 stratification는 이미지, 폐 기능, 병리 및 자궁 경관의 조합을 요구합니다; 폐암의 병리학 진단은 이미지, 임상 증상, 실험실 검사, 등의 조합을 요구합니다.

Multimodular AI는 다음 3 ~ 5 년 동안 중요한 개발이 될 것입니다. 그리고 Longway 데이터 세트의 풍부한 임상 정보 및 다차원 데이터는 다모ular 연구에 대한 귀중한 데이터베이스를 제공합니다.

트렌드 IV : "병원"에서 "병원"까지 - 전체 사이클을위한 AI 활성화 된 건강 관리

현재 가슴 칩 AI는 병원에 있는 진단을 위해 주로 이용됩니다. 미래에서는, AI 신청은 질병을 위해 검열과 같은 건강 관리의 가득 차있는 주기를 커버하기 위하여 병원을, 건강 관리, 가정 감시 및 느린 질병 후속을 초과할 것입니다.

이 웹 사이트는 귀하가 웹 사이트를 탐색하는 동안 귀하의 경험을 향상시키기 위해 쿠키를 사용합니다. 이 쿠키들 중에서 필요에 따라 분류 된 쿠키는 웹 사이트의 기본적인 기능을 수행하는 데 필수적이므로 브라우저에 저장됩니다. 또한이 웹 사이트의 사용 방식을 분석하고 이해하는 데 도움이되는 제 3 자 쿠키를 사용합니다. 이 쿠키는 귀하의 동의하에 만 브라우저에 저장됩니다. 이러한 쿠키를 거부 할 수도 있습니다. 이러한 쿠키 중 일부를 선택 해제하면 검색 환경에 영향을 미칠 수 있습니다.

건강 관리의이 전체주기는 기본적으로 "건강 관리에 대한 질병"에서 "치료 예방"로 건강 서비스의 패턴을 변경합니다. AI, 차례로,이 변환에 대한 중앙 기술 언더핑이 될 것입니다.

트렌드 V: 중국의 가슴 버튼 AI 세계

중국은 세계에서 가장 큰 의료 데이터 리소스와 가장 풍부한 임상 장면을 가지고 있습니다. 중국 회사들이 축적 한 대규모 가슴 필름 데이터는 Long Hui가 대표하여 중국의 가슴 필름 AI 개발을위한 독특한 조건을 제공합니다.

중국 가슴 부튼 AI 기술은 다음 3 ~ 5 년 동안 국제 리더십에 도달 할 수 있다는 확신입니다. 또한 중국 가슴 부튼 AI 제품은 국가와 지역에 "도로 건너"를 제공 할 수 있으며 중국 지혜와 중국 프로그램을 기여함으로써 글로벌 건강의 원인이 될 것입니다.

동시에, 중국의 대규모 데이터 및 임상 실습을 기반으로 한 AAI 표준은 국제 지침에 추천하는 표준 접근법으로 국제적으로 인정 될 것으로 예상됩니다. 이것은 "오래"에서 "오래"로 중국 의학 AI에 대한 역사적인 도약이 될 것입니다. "최고"

VIII. CONCLUSION: 자료는 기초, 똑똑한 감기이고, 건강한 모유는 함께 건설됩니다

마찬가지로, 30 년 이상의 내 경력의 방사선 학자로서 가슴 태블릿의 가치를 가르쳐 왔습니다. 간단하고 저렴하고, 어디에나 -하지만 수백만 명의 사람들의 건강을 보호하는 부담을 운반합니다. 영화에서 번호로, 수동 독서에서 AI 보조에 이르기까지 가슴 카드 진단 기술의 개선이 향상되지만 건강의 안전의 임무는 변경되지 않습니다.

오늘, 우리는 역사에 새로운 지점을 서있다. 기본 모델과 같은 새로운 기술, 다분화 학습, 교차 모듈 마이그레이션, 새로운 수준에 가슴 상단 AI를 밀어.

Rang Huitech의 XR-CHEST 가슴 X-ray 이미지 데이터 세트의 2 백만 건의 사례는 상업 제품뿐만 아니라 가슴 이미지 AI 산업을위한 핵심 인프라입니다. 그것은 AI의 개발을 위해 충분한 연료를 제공하며 잔디 뿌리 수율에 대한 강력한 도구를 제공하며 임상 연구에 대한 귀중한 리소스를 제공하며, 건강한 중국을 위해 견고한 힘을 제공합니다.

나는 종종 젊은 의사에게 말, "라디 학회의 눈은 임상이다. 우리는 장님이며, 우리는 환자의 치료와 직접 관련되어 있습니다." "오늘, 나는 Longhui와 같은 회사에 말을하고 싶습니다. 데이터 품질은 AI의 눈을 결정하고 수백만 명의 환자의 건강과 웰빙을 결정합니다. 이 책임은 Tarzan만큼 훌륭합니다.

데이터와 함께 일하자, 기초로, 그리고 스마트 날개로, 사람들의 건강 보호와 의료 인공 지능에 대한 더 나은 미래를 만들 수있는 강력한 야기 적 방어를 구축하기 위해.