使用可解释规则学习的人工智能,以CT放射学优化将上腺染细胞瘤与腺瘤区分开来

科学领域:

• 放射学 放射学是一门学科.
• 人工智能的人工智能
• 在瘤学瘤学.

背景情况:

• 上腺质量需要准确区分良性腺瘤和恶性上腺细胞瘤.
• 基于CT的放射学为表征上腺病变提供了一种非侵入性方法.

研究的目的:

• 确定基于CT的可解释的放射学特征,以区分上腺染细胞瘤和腺瘤.
• 开发一种人工智能模型,用于准确的上腺质量分类.

主要方法:

• 分析了一组来自对比增强CT扫描的152个上腺质量数据集 (95个上腺细胞瘤,57个腺瘤).
• 463个放射性特征被提取并使用可解释的AI规则学习模型进行评估.
• 模型性能使用F1评分进行评估.

主要成果:

• 一个三特征放射学规则在训练组中获得了F1得分0.97,在测试组中获得了0.96.
• 染细胞瘤的最具预测性的规则涉及最大像素衰减> 125 HU,在测试组中产生0.93的F1得分.
• 人工智能模型在区分两个上腺病变方面表现出高准确度.

结论:

• 一个可解释的AI规则学习模型有效地识别了放射性特征,以区分上腺染细胞瘤和腺瘤.
• 开发的模型在对比度增强的CT上实现了96%的准确性,为临床决策提供了有价值的工具.