Next-Generation Patient-Based Real-Time Quality Control Models

Duan Xincen; Zhang Minglong; Liu Yan; Zheng Wenbo; Lim Chun Yee; Kim Sollip; Loh Tze Ping; Guo Wei; Zhou Rui; Badrick Tony

doi:10.3343/alm.2024.0053

추천

검색

자료유형: 학술저널

저자정보: Duan Xincen (Department of Laboratory Medicine, Zhongshan Hospital, Fudan University Shanghai, Shanghai, China) Zhang Minglong (University of the Chinese Academy of Sciences, Beijing, China) Liu Yan (Shenzhen Mindray Bio-Medical Electronics Co., Shenzhen, China) Zheng Wenbo (Shenzhen Mindray Bio-Medical Electronics Co., Shenzhen, China) Lim Chun Yee (Engineering Cluster, Singapore Institute of Technology, Singapore) Kim Sollip (Department of Laboratory Medicine, Asan Medical Center, University of Ulsan College of Medicine, Seoul, Korea) Loh Tze Ping (Department of Laboratory Medicine, National University Hospital, Singapore) Guo Wei (Department of Laboratory Medicine, Zhongshan Hospital, Fudan University Shanghai, Shanghai, China) Zhou Rui (Department of Laboratory Medicine, Beijing Chaoyang Hospital, affiliated with Capital Medical University, Beijing, China) Badrick Tony (Royal College of Pathologists of Australasia Quality Assurance Programs, Sydney, New South Wales, Australia)

저널정보: 대한진단검사의학회 Annals of Laboratory Medicine Annals of Laboratory Medicine 제44권 제5호

발행연도: 2024.9

수록면: 385 - 391 (7page)

DOI: 10.3343/alm.2024.0053

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Patient-based real-time QC (PBRTQC) uses patient-derived data to assess assay performance. PBRTQC algorithms have advanced in parallel with developments in computer science and the increased availability of more powerful computers. The uptake of Artificial Intelligence in PBRTQC has been rapid, with many stated advantages over conventional approaches. However, until this review, there has been no critical comparison of these. The PBRTQC algorithms based on moving averages, regression-adjusted real-time QC, neural networks and anomaly detection are described and contrasted. As Artificial Intelligence tools become more available to laboratories, user-friendly and computationally efficient, the major disadvantages, such as complexity and the need for high computing resources, are reduced and become attractive to implement in PBRTQC applications.

#Artificial intelligence #Machine learning #Patient-based real-time QC #QC

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

최근 본 자료

댓글(0)