Annotation d'imagerie médicale avec Potato

Les capacités d'annotation d'images de Potato peuvent être utilisées pour annoter des images médicales telles que des radiographies, des photographies de lésions cutanées ou d'autres images cliniques dans des formats standard (PNG, JPG). Ce guide couvre les bonnes pratiques pour la mise en place de projets d'annotation d'imagerie médicale.

Considérations importantes

Avant de démarrer tout projet d'annotation médicale :

Dé-identification : Assurez-vous que toutes les informations de santé protégées (PHI) sont supprimées des images avant l'annotation
Traitement des données : Utilisez l'infrastructure sécurisée de votre institution pour le stockage et le traitement des données médicales
Contrôle d'accès : Gérez l'accès des annotateurs via vos systèmes d'authentification existants
Conformité : Travaillez avec votre IRB et vos équipes de conformité pour répondre aux exigences institutionnelles

Note : Potato est un outil d'annotation et n'inclut pas de fonctionnalités de conformité HIPAA intégrées, de visualiseurs DICOM ou de capacités d'imagerie médicale spécialisées. Ces exigences doivent être traitées au niveau de l'infrastructure.

Configuration de base de l'annotation d'images médicales

Voici comment configurer Potato pour annoter des images médicales standard :

yaml

annotation_task_name: "Medical Image Annotation"
 
data_files:
  - path: data/medical_images.json
    type: json
 
annotation_schemes:
  - annotation_type: bounding_box
    name: lesions
    allow_multiple: true
    labels:
      - name: primary
        color: "#EF4444"
        description: "Primary finding"
 
      - name: secondary
        color: "#F97316"
        description: "Secondary finding"
 
      - name: artifact
        color: "#6B7280"
        description: "Artifact or noise"
 
  - annotation_type: radio
    name: image_quality
    question: "Overall image quality?"
    options:
      - name: diagnostic
        label: "Diagnostic Quality"
      - name: limited
        label: "Limited Quality"
      - name: non_diagnostic
        label: "Non-Diagnostic"

Annotation de lésions cutanées

Pour les images dermatologiques :

yaml

annotation_task_name: "Dermoscopy Annotation"
 
data_files:
  - path: data/skin_lesions.json
    type: json
 
annotation_schemes:
  - annotation_type: polygon
    name: lesion_boundary
    labels:
      - name: lesion
        color: "#EF4444"
        description: "Lesion boundary"
 
  - annotation_type: radio
    name: diagnosis
    question: "Most likely diagnosis?"
    options:
      - name: benign_nevus
        label: "Benign Nevus"
      - name: seborrheic_keratosis
        label: "Seborrheic Keratosis"
      - name: basal_cell
        label: "Basal Cell Carcinoma"
      - name: melanoma
        label: "Melanoma"
      - name: other
        label: "Other"
 
  - annotation_type: likert
    name: confidence
    question: "Diagnostic confidence"
    size: 5
    min_label: "Low"
    max_label: "High"

Format des données

Préparez vos données d'images au format JSON :

json

[
  {
    "id": "case_001",
    "image": "images/case_001.png",
    "metadata": {
      "body_part": "chest",
      "modality": "xray"
    }
  },
  {
    "id": "case_002",
    "image": "images/case_002.png",
    "metadata": {
      "body_part": "chest",
      "modality": "xray"
    }
  }
]

Note : Les images doivent être dans des formats compatibles web standard (PNG, JPG, etc.). Les fichiers DICOM doivent être convertis en formats d'image standard avant utilisation avec Potato.

Bonnes pratiques

Utilisez des annotateurs qualifiés : L'annotation médicale nécessite une expertise clinique - assurez-vous que vos annotateurs ont la formation appropriée
Pré-traitez les images : Convertissez les formats spécialisés (DICOM, etc.) en formats d'image standard et assurez-vous que les PHI sont supprimées
Annotateurs multiples : Faites étiqueter chaque image par plusieurs annotateurs pour mesurer l'accord inter-annotateurs
Consignes claires : Fournissez des consignes d'annotation détaillées spécifiques à votre domaine clinique
Vérifications de qualité : Incluez des cas de référence pour surveiller la précision des annotateurs
Conformité institutionnelle : Travaillez avec votre équipe de conformité pour vous assurer que le traitement des données répond aux exigences

Limitations

Potato fournit une annotation d'images généraliste et n'inclut pas :

Support natif des fichiers DICOM ou visualiseurs DICOM
Visualiseurs d'images de lames entières (WSI) avec zoom multi-résolution
Conformité HIPAA intégrée ou journalisation d'audit
Vérification des accréditations médicales
Outils de fenêtrage radiologique spécialisés

Pour ces capacités, envisagez de pré-traiter vos données ou d'intégrer Potato avec une infrastructure d'imagerie médicale spécialisée.

Pour en savoir plus sur l'annotation d'images, voir /docs/features/image-annotation.