Harnessing the potential of data in clinical PACS with an open-source DICOM server
Notice bibliographique
Résumé
Picture Archiving and Communication Systems (PACS) used in clinical workflows are rich with data in the form of images as well as associated annotations, segmentations and finding reports by specialists in radiology, nuclear medicine or radiation oncology. From a research perspective, annotated images constitute the raw material for radiomic, machine learning and similar AI-based initiatives. It is not straightforward however to harness the potential of the tremendous amount of data collected in PACS on a daily basis. Research infrastructures must be designed to interfere minimally with clinical workflows and to provide mechanisms to prevent unauthorized access to images. Furthermore, these infrastructure must provide user-friendly interfaces for data operations since raw images and annotations are rarely suitable for direct ingestion by downstream analysis pipelines. At our institution, an imaging research infrastructure has been deployed that addresses these performance, confidentiality and conviviality issues. The solution is based on Orthanc, an open-source and lightweight DICOM server acting as a controlled gateway to clinical PACS. Functionalities are exposed to users through a REST API, who can perform several operations (query, upload, receive, transfer) in the programming language of their choice. The REST API is particularly useful to easily perform queries, browse metadata and parse objects such as DICOM Structured Reports (SR). In this paper, the architecture of the solution is presented in terms of hardware, software and network topology. Three use cases are also detailed, each addressing different needs: a simple retrieve operation to physically access images, a data pipeline solution for automatic calculation of image-derived metrics, and an automated parser used to find occurence of specific terms in radiology finding reports. Our experience shows that relying on a DICOM-compliant software enforces good practices and fosters standard awareness, with benefits in terms of interoperability and long-term usability of data. En
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.
Comment cette classification a été obtenuedéplier
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».