Implementation methods of medical image sharing for collaborative health care based on IHE XDS-I profile
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
IHE XDS-I profile proposes an architecture model for cross-enterprise medical image sharing, but there are only a few clinical implementations reported. Here, we investigate three pilot studies based on the IHE XDS-I profile to see whether we can use this architecture as a foundation for image sharing solutions in a variety of health-care settings. The first pilot study was image sharing for cross-enterprise health care with federated integration, which was implemented in Huadong Hospital and Shanghai Sixth People's Hospital within the Shanghai Shen-Kang Hospital Management Center; the second pilot study was XDS-I-based patient-controlled image sharing solution, which was implemented by the Radiological Society of North America (RSNA) team in the USA; and the third pilot study was collaborative imaging diagnosis with electronic health-care record integration in regional health care, which was implemented in two districts in Shanghai. In order to support these pilot studies, we designed and developed new image access methods, components, and data models such as RAD-69/WADO hybrid image retrieval, RSNA clearinghouse, and extension of metadata definitions in both the submission set and the cross-enterprise document sharing (XDS) registry. We identified several key issues that impact the implementation of XDS-I in practical applications, and conclude that the IHE XDS-I profile is a theoretically good architecture and a useful foundation for medical image sharing solutions across multiple regional health-care providers.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle