乳腺超声影像AI智能诊断置信度核验数据

本数据面向乳腺超声影像 AI 诊断系统质量核验场景，基于同一受检者的三路 AI 输出结果，包括诊断倾向、影像分级和量化评分，构建经年龄队列标准化后的 AI 诊断置信度指数与置信度分级，能够量化反映 AI 系统输出结果之间的方向一致性、信号离散程度和综合可信水平。该数据的核心价值在于将 AI 诊断系统的单次输出结果转化为可监测、可比较、可复核的质量评价数据产品，为数据持有企业沉淀可资产化、可授权运营的医疗 AI 质量数据资源提供基础；对于医疗机构和早筛质量管理机构而言，可用于快速识别高置信、待复核和低置信样本，辅助判断哪些受检者需要进入人工复核流程，从而降低漏诊、误判和 AI 输出不稳定带来的风险，提升人机协同诊断效率；对于 AI 诊断系统供应商和医疗信息化服务商而言，该数据可用于持续监测不同月份、不同年龄队列下三路 AI 信号离散度及置信度等级分布，及时发现模型漂移、版本性能波动或特定人群诊断稳定性下降等问题，支撑模型迭代、系统质控和产品可信度提升。（一）原始数据来源于乳腺超声影像AI诊断分析系统导出的单次筛查记录。本数据用于评估同一受检者三路AI输出，即智能诊断、结节TI-RADS分级、AI评分之间的一致性与可信程度。（二）处理规则：检查月份=由筛查日期提取年月；受检者编号=由用户ID脱敏加工生成；受检者年龄=用户年龄取整；年龄队列按受检者年龄划分为40岁以下、40-49岁、50-59岁、60岁及以上，数据按“年龄队列、受检者编号”升序排列。AI诊断倾向分按智能诊断赋值：优=0分，偏良=1分，偏恶=2分；影像分级风险分按结节TI-RADS分级赋值：无=0分，3类=1分，4类、4A类=2分，4B类=3分，4C类=4分，5类=5分；AI量化评分取自AI评分字段数值，若AI评分为“-”或空白，则AI量化评分=0.00；是否量化评分在AI评分为有效数值时=1，为“-”或空白时=0；凡智能诊断或结节TI-RADS分级缺失的记录予以剔除。倾向累计=sum(AI诊断倾向分)；倾向计数=n；倾向均值=倾向累计/倾向计数；倾向离均差=AI诊断倾向分-倾向均值；倾向离均差平方=(倾向离均差)^2；倾向离差平方和=sum(倾向离均差平方)；倾向波动幅度=sqrt(倾向离差平方和/倾向计数)；倾向标准分=倾向离均差/倾向波动幅度。影像累计、影像计数、影像均值、影像离均差、影像离均差平方、影像离差平方和、影像波动幅度、影像标准分按同法由影像分级风险分计算；评分累计、评分计数、评分均值、评分离均差、评分离均差平方、评分离差平方和、评分波动幅度、评分标准分按同法由AI量化评分计算。三信号最大标准分=max(倾向标准分,影像标准分,评分标准分)；三信号最小标准分=min(倾向标准分,影像标准分,评分标准分)；信号离散度=三信号最大标准分-三信号最小标准分；三信号标准分之和=倾向标准分+影像标准分+评分标准分；综合风险强度=三信号标准分之和/3；离散度归一项=信号离散度/2；量化加分项=是否量化评分-0.5。AI诊断置信度指数记为C，C=综合风险强度-离散度归一项+量化加分项。AI诊断置信度分级记为L，若C>=0.7，则L=高置信；若-1.5<=C<0.7，则L=待复核；若C<-1.5，则L=低置信。

搜集汇总

背景与挑战

背景概述

该数据集面向乳腺超声影像AI诊断系统的质量核验，整合同一受检者的诊断倾向、影像分级和量化评分三路AI输出，经年龄队列标准化后构建AI诊断置信度指数与分级，量化评估AI输出的方向一致性、信号离散度和可信水平。数据可用于识别高置信、待复核和低置信样本，辅助人工复核决策，降低漏诊误判风险，并支持模型漂移监测和系统质控。