免責聲明: 本站彙整 FDA、ClinicalTrials.gov、PubMed、SEC EDGAR 等官方公開資料,僅供一般參考,不構成醫療建議、診斷、治療建議或投資建議。

PubMed

美國醫學影像AI/ML設備之規範考量:概念與挑戰

PMID:37361549 ·

N, i, c, h, o, l, a, s, , P, e, t, r, i, c, k, ;, , W, e, i, j, i, e, , C, h, e, n, ;, , J, a, n, a, , G, , D, e, l, f, i, n, o, ;, , B, r, a, n, d, o, n, , D, , G, a, l, l, a, s, ;, , Y, a, n, n, a, , K, a, n, g, ;, , D, a, n, i, e, l, , K, r, a, i, n, a, k, ;, , B, e, r, k, m, a, n, , S, a, h, i, n, e, r, ;, , R, a, v, i, , K, , S, a, m, a, l, a

期刊Journal of medical imaging (Bellingham, Wash.)
年份
PMID37361549

摘要

為引導開發者了解醫療設備規範流程及在人工智慧與機器學習(AI/ML)設備申報中的數據考慮,並討論持續進行的AI/ML相關規範挑戰與活動。AI/ML技術正被應用於越來越多數的醫學影像設備中,這些技術的快速發展帶來了新的規範挑戰。我們為AI/ML開發者提供美國食品藥品管理局(FDA)規範的介紹。

官方來源

在 PubMed 上查看 →

資料來自 PubMed / NCBI。全文與最新資訊請一律參閱官方紀錄。

↑