> ## Documentation Index > Fetch the complete documentation index at: https://avala.ai/docs/llms.txt > Use this file to discover all available pages before exploring further. # Imágenes médicas > Herramientas de anotación de precisión y flujos de control de calidad para datos de entrenamiento de grado clínico Los equipos de imágenes médicas necesitan una precisión de anotación que impacta directamente los resultados de los pacientes. Avala proporciona herramientas de anotación de precisión, flujos de control de calidad multi-etapa y controles de permisos de equipo que soportan los estándares rigurosos que requieren los datos de entrenamiento de grado clínico. ## Por qué Avala para imágenes médicas La anotación médica difiere de la visión por computadora general en su tolerancia al error -- esencialmente no hay ninguna. Un límite de lesión omitido o un tipo de célula mal clasificado puede propagarse a través del modelo y afectar decisiones de diagnóstico. Avala aborda esto con: Herramientas de polígono y segmentación con precisión sub-píxel para delineación precisa de límites. Herramientas de keypoints para colocación de puntos de referencia anatómicos. Pipelines de revisión configurables con verificación puntual, revisión dirigida y etapas de revisión completa. Soporte para revisores expertos de dominio con acceso basado en roles. Controles de acceso detallados para restringir quién puede ver, anotar y revisar datos médicos sensibles. Permisos basados en roles a nivel de organización, equipo y proyecto. Seguimiento del ciclo de vida de tareas desde la asignación hasta la revisión y aprobación. Cada acción de anotación se registra para requisitos de pista de auditoría. ## Tipos de datos | Modalidad | Tipo de dato en Avala | Anotación típica | | ------------------------- | --------------------- | ---------------------------------------------- | | Rayos X | Image | Bounding boxes, polígonos, clasificación | | Cortes de CT / MRI | Image | Polígonos, máscaras de segmentación | | Portaobjetos de patología | Image | Regiones de polígonos, clasificación | | Video de endoscopia | Video | Segmentación a nivel de fotograma, seguimiento | | Ultrasonido | Image, Video | Bounding boxes, polígonos | | Imágenes retinianas | Image | Segmentación, clasificación | ## Tareas comunes ### Detección de lesiones Dibuje bounding boxes o polígonos alrededor de tumores, nódulos, quistes y otras regiones de interés. Para tareas que requieren delineación precisa de límites (ej., segmentación de tumores para planificación quirúrgica), use la herramienta de polígono para trazar márgenes exactos. La herramienta de polígono soporta: * Colocación de vértices de forma libre para formas irregulares * Ajuste a bordes para límites limpios * Edición de vértices para refinar la colocación después del trazado inicial * Precisión sub-píxel para imágenes médicas de alta resolución ### Segmentación de órganos Cree máscaras de segmentación a nivel de píxel para órganos y estructuras anatómicas en cortes de CT o MRI. Use el pincel de segmentación para regiones grandes y cambie al modo de polígono para trabajo fino de límites. Para tareas de segmentación de órganos, defina su taxonomía de etiquetas con una jerarquía clara: sistema de órganos > órgano > subestructura. Por ejemplo: `cardiovascular > heart > left_ventricle`. Esto hace el proceso de anotación más rápido y los datos resultantes más útiles para el entrenamiento de modelos. ### Clasificación celular Clasifique tipos de células en portaobjetos de patología usando etiquetas de clasificación y atributos estructurados. Defina una taxonomía que incluya: * Tipo de célula primario (ej., linfocito, neutrófilo, epitelial) * Atributos morfológicos (ej., tamaño, regularidad de forma, intensidad de tinción) * Relevancia diagnóstica (ej., normal, atípico, maligno) La clasificación puede aplicarse a nivel de objeto (células individuales) o a nivel de escena (regiones de tejido). ### Análisis de video quirúrgico Rastree instrumentos quirúrgicos y puntos de referencia anatómicos a través de fotogramas de video de endoscopia o cirugía. El seguimiento de objetos mantiene IDs consistentes entre fotogramas, haciendo posible entrenar modelos para detección de instrumentos, reconocimiento de fases y análisis de actividad. ## Control de calidad para datos médicos El control de calidad de anotación médica va más allá de la revisión de propósito general. Las características de control de calidad de Avala soportan los flujos de trabajo que los equipos médicos requieren. ### Pipelines de revisión multi-etapa Configure pipelines de revisión que coincidan con su proceso de validación clínica: ``` Annotation (technician) -> First review (trained annotator) -> Expert review (radiologist / pathologist) -> Approved ``` En cada etapa, los revisores pueden aprobar, rechazar con comentarios o señalar anotaciones específicas con problemas. Las tareas rechazadas regresan al anotador con retroalimentación clara. ### Problemas de anotación Fije problemas a anotaciones específicas en la imagen. Un revisor puede marcar un límite de polígono como "demasiado holgado en el margen superior" y el anotador ve el problema fijado a la ubicación exacta que necesita corrección. ### Flujos de consenso Para datasets de validación y creación de ground truth, asigne las mismas imágenes a múltiples expertos de dominio de forma independiente. La puntuación de consenso revela: * Regiones donde los expertos están en desacuerdo (estas necesitan revisión adicional o guías más claras) * Anotadores que se desvían consistentemente del grupo * Casos límite donde la guía de anotación es ambigua ### Métricas de calidad Monitoree la calidad de anotación a través de su equipo: | Métrica | Qué mide | | ---------------------------- | -------------------------------------------------------------------------------- | | **Tasa de aceptación** | Porcentaje de tareas aprobadas en el primer envío | | **Tiempo de anotación** | Tiempo promedio por tarea -- inusualmente rápido o lento puede indicar problemas | | **Frecuencia de problemas** | Tasa de problemas señalados por tarea | | **Acuerdo entre anotadores** | Consistencia entre anotadores sobre los mismos datos | ## Consideraciones de cumplimiento Los datos de imágenes médicas a menudo están sujetos a requisitos regulatorios (HIPAA, GDPR, MDR). Aunque Avala proporciona las herramientas para flujos de anotación, su equipo es responsable de asegurar que el manejo de datos cumpla con las regulaciones aplicables. Características de Avala que soportan flujos de cumplimiento: | Requisito | Característica de Avala | | ---------------------- | ----------------------------------------------------------------------------------------------- | | Control de acceso | Los permisos de equipo basados en roles restringen el acceso a datos a usuarios autorizados | | Pista de auditoría | El seguimiento del ciclo de vida de tareas registra cada anotación, revisión y cambio de estado | | Aislamiento de datos | Los datasets y proyectos están limitados a organizaciones con controles de membresía | | Control de exportación | Las exportaciones se generan bajo demanda y pueden restringirse por permiso | Avala no proporciona HIPAA BAA ni integración DICOM de forma predeterminada. Si su flujo de trabajo requiere estos, contacte a [support@avala.ai](mailto:support@avala.ai) para discutir sus requisitos de cumplimiento antes de subir información de salud protegida. ## Primeros pasos Cree una organización e invite a sus equipos de anotación y revisión. Configure roles de equipo para que solo usuarios autorizados puedan acceder a datos médicos. Cree un dataset con el tipo de dato apropiado (Image para radiología/patología, Video para endoscopia) y suba sus archivos. Configure clases de objetos, atributos y categorías de clasificación que coincidan con su guía de anotación clínica. Incluya definiciones claras y ejemplos de referencia. Establezca un pipeline de revisión multi-etapa. Asigne revisores expertos de dominio y configure criterios de aceptación. Los anotadores etiquetan los datos, los revisores validan en cada etapa, y usted exporta las anotaciones aprobadas para entrenamiento de modelos. ## Próximos pasos Configure flujos de revisión multi-etapa con verificación puntual y revisión experta. Trazado de límites de precisión para lesiones, órganos y estructuras anatómicas. Configure controles de acceso basados en roles para su organización. Diseñe un esquema de etiquetas efectivo para proyectos de anotación médica.