基于人工智能的乳腺病变检测及进一步辅助诊断均对乳腺癌的早期筛查具有重要意义。由于业界大多采用有监督学习的任务范式来研发产品，因此高质量的数据和标注对软件开发和测试有着重要的影响。从技术层面上规范数据库的构建和质量控制变得越来越重要。本文以如何构建深度学习的训练集为例，提出了乳腺X线主要征象，钙化、肿块、不对称及结构扭曲数据集的构建流程，解释了此类数据集质量特性的表现形式和质量控制的建议。本文旨在为乳腺X线数据库建立提供参考，保障影像数据资源的高效、合理、有序供给，加速基于乳腺X线影像的人工智能产品研发与生产。
作者：中华医学会放射学分会乳腺学组
来源：中华放射学杂志 2022 年 56卷 9期
