Combinando el aprendizaje curricular y la atención débilmente supervisada para mejorar la evaluación de nódulos...

Área de la Ciencia:

• Imágenes médicas
• Inteligencia artificial
• En el campo de la oncología

Sus antecedentes:

• Los nódulos tiroideos son comunes y requieren una evaluación precisa para la detección temprana de tumores malignos.
• Las imágenes de ultrasonido combinadas con el aprendizaje profundo son prometedoras, pero enfrentan desafíos con pequeños conjuntos de datos.
• El aumento de datos convencional puede oscurecer las características de diagnóstico en conjuntos de datos pequeños.

Objetivo del estudio:

• Mejorar el rendimiento del modelo de aprendizaje profundo para la clasificación de nódulos tiroideos.
• Abordar el desequilibrio del conjunto de datos y mejorar la generalización del modelo.
• Integrar el aprendizaje curricular con una red de atención poco supervisada para una mejor precisión diagnóstica.

Principales métodos:

• Aprendizaje curricular integrado con aumento de datos guiados por la atención.
• Entrenó un modelo de aprendizaje profundo progresivamente en conjuntos de datos de nódulos tiroideos verificados.
• Usó un enfoque de aprendizaje estructurado comenzando con imágenes más simples y progresando a casos complejos.

Principales resultados:

• El esquema de aprendizaje del plan de estudios esquemático IV obtuvo los mejores resultados.
• Se logró una precisión del 100% para nódulos benignos y del 70% para malignos.
• Se alcanzó el 82% de recuperación para nódulos benignos y el 100% para nódulos malignos, con puntuaciones F1 de 90% y 83% respectivamente.

Conclusiones:

• El aprendizaje curricular mejoró significativamente la sensibilidad diagnóstica y la robustez en la clasificación de nódulos tiroideos.
• La evaluación automatizada mediante el aprendizaje curricular puede ayudar a los radiólogos.
• Este enfoque mejora la precisión del diagnóstico y ayuda a la detección confiable de tumores malignos.