Journal of digital imaging · 2022
The 2021 SIIM-FISABIO-RSNA Machine Learning COVID-19 Challenge: Annotation and Standard Exam Classification of COVID-19 Chest Radiographs.
СтатьяПоддержка исследования: вне правительства СШАПоддержка правительства СШАНазвание и аннотация: Перевод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Lakhani Paras, Mongan J, Singhal C, Zhou Q, Andriole K P, Auffermann W F, Prasanna P M, Pham T X, Peterson Michael, Bergquist P J, Cook T S, Ferraciolli S F, Corradi G C A, Takahashi M S, Workman C S, Parekh M, Kamel S I, Galant J, Mas-Sanchez A, Benítez E C, Sánchez-Valverde M, Jaques L, Panadero M, Vidal M, Culiañez-Casas M, Angulo-Gonzalez D, Langer S G, de la Iglesia-Vayá María, Shih G
Аннотация
We describe the curation, annotation methodology, and characteristics of the dataset used in an artificial intelligence challenge for detection and localization of COVID-19 on chest radiographs. The chest radiographs were annotated by an international group of radiologists into four mutually exclusive categories, including "typical," "indeterminate," and "atypical appearance" for COVID-19, or "negative for pneumonia," adapted from previously published guidelines, and bounding boxes were placed on airspace opacities. This dataset and respective annotations are available to researchers for academic and noncommercial use.