基于Shapley的突出度地图提高了脊椎压缩骨折的解释性分类:多中心研究
Liang Xia1, Jun Zhang2, Zhipeng Liang1
1Department of Radiology, Sir Run Run Hospital, Nanjing Medical University, 109 Longmian Road, Nanjing, 211002, Jiangsu, People's Republic of China.
La Radiologia medica
|February 24, 2025
概括
与传统方法相比,视觉变压器 (ViT) 模型在分类脊椎压缩骨折方面表现优异. 它的沙普利意义图提高了诊断的准确性,被放射科医生所偏爱.
科学领域:
- 医疗成像中的人工智能
- 对于骨折分类的深度学习.
- 放射学和诊断成像 放射学和诊断成像
背景情况:
- 脊椎压缩骨折 (VCFs) 是一个重要的临床问题.
- 精确分类急性与慢性VCF对于治疗规划至关重要.
- 传统的深度学习模型,如卷积神经网络 (CNN),在解释性方面存在局限性.
研究的目的:
- 评估视觉转换器 (ViT) 模型对急性和慢性VCF的分类性能.
- 用Shapley意义图来评估ViT的解释性.
- 将ViT的性能与ResNet18.8等既有模型进行比较.
主要方法:
- 用X射线,CT和MRI数据对942名患有VCF的患者进行了回顾性分析.
- 在训练数据集上对SimpleViT模型进行微调 (7:2:1分为训练/验证/测试).
- 使用ROC曲线,灵敏度,特异性和AUC进行性能评估,通过DeLong测试评估统计学意义.
主要成果:
- ViT以0.880的精度和0.901的AUC实现了卓越的性能,超过了ResNet18 (0.843的精度,0.833的AUC).
- 沙普利显著改善了诊断灵敏度 (0.883) 和特异性 (0.950).
- 放射科医生更喜欢ViT的基于Shapley的突出度地图,而不是GradCAM的解释性.
结论:
- 视觉变压器在分类脊椎压缩骨折方面表现出更好的性能.
- 与GradCAM相比,Shapley显著性图提供了更好的解释性,有助于临床决策.
- 在VCF诊断方面,ViT代表了与CNN相比的有希望的进步.
更多相关视频
09:29Author Spotlight: Improving Percutaneous Vertebroplasty Surgical Accuracy and Efficiency Through Advanced Puncture Techniques
Published on: August 9, 2024
190
04:19Minimally Invasive Treatment for Thoracolumbar Burst Fracture Using Sagittal Alignment Screws and A Trauma Reduction Device
Published on: November 8, 2024
344
