以人工智能为基础的质瘤分级为可靠的诊断:用于提高可靠性的分析管道
Carla Pitarch1,2, Vicent Ribas1, Alfredo Vellido1,3,4
1Computer Science Department, Universitat Politècnica de Catalunya (UPC), 08034 Barcelona, Spain.
Cancers
|July 14, 2023
概括
通过专注于瘤区域和使用数据增强,机器学习有助于质瘤分类,大大提高了放射科医生的分类准确性和可靠性. 这种方法提高了脑瘤分级的诊断信心.
科学领域:
- 神经瘤学神经瘤学
- 医学成像分析分析 医学成像分析
- 机器学习在医疗保健中的应用
背景情况:
- 质瘤是一种常见的大脑瘤,需要准确的分类 (WHO等级1-4) 进行治疗计划.
- 从医学图像中对质瘤进行放射学分类是复杂的,容易出现错误.
- 机器学习 (ML) 提供潜在的决策支持,但面临着数据泄露和偏见等挑战.
研究的目的:
- 开发一种可靠的机器学习模型,使用多数据集分析对质瘤进行分级.
- 为确保基于ML的瘤分类可靠性提供指导方针.
- 为了提高分类质瘤等级的准确性和信心.
主要方法:
- 使用简单的分类器对多源质瘤图像数据库的分析.
- 专注于瘤感兴趣区域 (ROI) 进行特征提取.
- 实施数据增强技术以提高模型的稳定性.
主要成果:
- 显著提高了瘤分类的准确性和可靠性.
- 在区分低度质瘤和高度质瘤方面取得了0.932的AUC-ROC.
- 获得了0.893的AUC-ROC,用于世界卫生组织 (WHO) 分类的第2,3和4级质瘤.
结论:
- 专注于ROI和使用数据增强对于可靠的基于ML的质瘤分级至关重要.
- 该研究提供了一个可靠的ML模型,用于高分辨能力的质瘤分类.
- 强调需要评估ML模型的确定性和稳定性,而不仅仅是通用性能指标.
