только для медицинских специалистов

Консультант врача

Электронная медицинская библиотека

Раздел 10 / 11
Страница 1 / 1

СПИСОК ИСПОЛЬЗОBАННЫХ ИСТОЧНИКОB

  1. Указ Президента Российской Федерации от 10.10.2019 № 490 «О развитии искусственного интеллекта в Российской Федерации» [Электронный ресурс]. – URL: http://www.kremlin.ru/acts/bank/44731 (дата обращения 23.05.2024).
  2. Регламент подготовки наборов данных с описанием подходов к формированию репрезентативной выборки данных. – М. : ГБУЗ «НПКЦ ДиТ ДЗМ», 2022. – 40 с.
  3. Васильев Ю. А., Арзамасов К. М., Владзимирский А. В. [и др.]. Подготовка набора данных для обучения и тестирования программного обеспечения на основе технологии искусственного интеллекта : учебное пособие. – Ridero ; ГБУЗ «НПКЦ ДиТ ДЗМ», 2024. – 140 с.
  4. ГОСТ Р ИСО 21549-3-2017. Информатизация здоровья. Структура данных на пластиковой карте пациента. Часть 3. Основные клинические данные : национальный стандарт Российской Федерации : дата введения 2019-07-01 / Федеральное агентство по техническому регулированию и метрологии. – Изд. официальное. – М. : Стандартинформ, 2017. – 19 с.
  5. Российская Федерация. Законы. Об основах охраны здоровья граждан в Российской Федерации : Федеральный закон № 323-ФЗ : [принят Государственной Думой 1 ноября 2011 г. : одобрен Советом Федерации 9 ноября 2011 г.]. – Москва, Кремль 2011. – 120 с.
  6. Hsieh C., Nobre I. B., Sousa S. C., et al. MDF-Net for abnormality detection by fusing X-rays with clinical data // Sci Rep. – 2023. – Vol. 13 (1). – P. 15873. – DOI: 10.1038/s41598-023-41463-0.
  7. Fu Y., Xue P., Li N., et al. Fusion of 3D lung CT and serum biomarkers for diagnosis of multiple pathological types on pulmonary nodules // Comput Methods Programs Biomed. – 2021. – Vol. 210. – P. 106381. – DOI: 10.1016/j.cmpb.2021.106381.
  8. Lin C. Y., Guo S. M., Lien J. J., et al. Combined model integrating deep learning, radiomics, and clinical data to classify lung nodules at chest CT // Radiol Med. – 2024. – Vol. 129 (1). – P. 56–69. – DOI: 10.1007/s11547-023-01730-6.
  9. Yala A., Mikhael P. G., Strand F., et al. Toward robust mammography-based models for breast cancer risk // Sci Transl Med. – 2021. – Vol. 13 (578). – P. eaba4373. – DOI: 10.1126/scitranslmed.aba4373.
  10. Васильев Ю. А., Бобровская Т. М., Арзамасов К. М. [и др.]. Основополагающие принципы стандартизации и систематизации информации о наборах данных для машинного обучения в медицинской диагностике // Менеджер здравоохранения. – 2023. – № 4. – С. 28–41. – DOI: 10.21045/1811-0185-2023-4-28-41.
  11. Отдельнова К. А. Определение необходимого числа наблюдений в социально-гигиенических исследованиях // Сб. трудов 2-го ММИ. – 1980. – Т. 150 (6). – С. 18–22.
  12. Altman D. G. How large a sample? // Statistics in Practice. – London, UK : British Medical Association, 1982.
  13. Whitley E., Ball J. Statistics review 4: sample size calculations // Critical care. – 2002. – Vol. 6. – P. 1–7.
  14. Liu J., Lei J., Ou Y., et al. Mammography diagnosis of breast cancer screening through machine learning: a systematic review and meta-analysis // Clin Exp Med. – 2023. – Vol. 23 (6). – P. 2341–2356. – DOI: 10.1007/s10238-022-00895-0.
  15. KNN Classifier Tutorial [Электронный ресурс]. – URL: https://www.kaggle. com/code/prashant111/knn-classifier-tutorial (дата обращения: 11.03.2024).
  16. Liu M., Taylor J. M., Belin T. R. Multiple imputation and posterior simulation for multivariate missing data in longitudinal studies // Biometrics. – 2000. – Vol. 56 (4). – P. 1157–1163. – DOI: 10.1111/j.0006-341x.2000.01157.x.
  17. Grubbs, F. E. Procedures for Detecting Outlying Observations in Samples // Technometrics. – 1969. – Vol. 11 (1). – P. 1. – DOI: 10.2307/1266761.
  18. Robert B. Dean, Wilfrid J. Dixon Simplified Statistics for Small Numbers of Observations // Anal. Chem. – 1951. – Vol. 23 (4). – P. 636–638. – DOI: 10.1021/ ac60052a025.
  19. Свидетельство о государственной регистрации базы данных № 2020621741 Российская Федерация. MosMedData: Результаты маммографических исследований для калибровки сервисов на основе искусственного интеллекта : № 2020621613 : заявл. 15.09.2020 : опубл. 24.09.2020 / С. П. Морозов, А. В. Владзимирский, В. А. Гомболевский [и др.] ; заявитель ГБУЗ «НПКЦ ДиТ ДЗМ».
  20. Свидетельство о государственной регистрации базы данных № 2023624880 Российская Федерация. MosMedData: ММГ с наличием и отсутствием признаков злокачественных новообразований молочной железы, обогащенный клинической информацией : № 2023624807 : заявл. 14.12.2023 : опубл. 21.12.2023 / Ю. А. Васильев, А. В. Владзимирский, О. В. Омелянская [и др.] ; заявитель ГБУЗ «НПКЦ ДиТ ДЗМ».