脊髓-结质瘤:用于准确分类和确定结质瘤子区域的因果细分框架
Yao Zheng1, Dong Huang1,2, Yuefei Feng1
1School of Biomedical Engineering, Air Force Medical University, No. 169 Changle West Road, Xi'an 710032, China.
Bioengineering (Basel, Switzerland)
|August 26, 2023
概括
因果细分框架 (CSF) 准确地对质瘤进行分级,并使用深度学习识别关键子区域. 这种可解释的方法增强了对脑瘤的手术前决策.
科学领域:
- 神经成像是一种神经成像.
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 深度网络在质瘤分级方面表现出色,但由于瘤异质性而难以解释.
- 准确的质瘤分类对于有效的治疗计划和患者的治疗结果至关重要.
研究的目的:
- 引入因果细分框架 (CSF) 以准确地分类质瘤并确定关键子区域.
- 提高神经瘤学中深度学习模型的可解释性.
主要方法:
- 利用收缩细分方法来确定与决策相关的子区域.
- 开发了一个结合深度学习和传统方法的质瘤分级模块.
- 将因果推理集成到细分和分类过程中.
主要成果:
- 取得了优异的性能,AUC为96.14%,F1得分为93.74%,精度为91.04%.
- 证明了高效的资源利用 (2.31s预测时间,0.12 GB内存).
- 提供了关键子区域的清晰可视化,提高了模型的解释性.
结论:
- 该CSF准确地预测了质瘤等级,并强调了关键的子区域.
- 在CSF的因果关系提高了手术前质瘤决策的可靠性.
- 来自CSF的可解释结果帮助临床医生进行评估和治疗计划.
