可解读的深度模糊网络辅助检测在乳头甲状腺癌中中枢淋巴结转移的状态
Wenxu Wang1,2, Zhenyuan Ning3,4,5, Jifan Zhang6
1School of Biomedical Engineering, Southern Medical University, Guangzhou, 510515, Guangdong Province, China.
概括
一个可解释的深度模糊网络从超声波图像中准确地预测皮质甲状腺癌 (PTC) 中的中枢淋巴结转移. 这种人工智能工具有助于为PTC患者做出手术前决策.
科学领域:
- 医学成像分析 医学成像分析
- 在瘤学中使用人工智能
- 模糊逻辑系统 模糊逻辑系统
背景情况:
- 准确评估中枢淋巴结转移 (CLNM) 对于皮皮性甲状腺癌 (PTC) 患者的管理至关重要.
- 目前用于CLNM评估的方法可能具有侵入性,影响治疗决策和预后.
研究的目的:
- 开发和评估可解释的深度模糊网络,用于使用超声波图像在PTC患者中进行CLNM的非侵入性预测.
- 将专家知识集成到AI模型中,以提高预测准确性和可解释性.
主要方法:
- 设计了一个结合专家知识的深度模糊网络,包括ROI细分,知识意识特征提取和模糊预测模块.
- 该模型在1019名PTC患者的数据集上进行了训练和验证,以病理诊断为黄金标准.
- 临床和形态特征被用作专家知识来指导网络的CLNM预测.
主要成果:
- 该模型的AUC值为0.786,准确度为0.745,精度为0.727,灵敏度为0.696,特异性为0.786.
- 模糊系统规则表现出高度的可解释性,使预测易于理解和解释.
- 该模型在区分CLNM和非CLNM病例方面显示出有希望的表现.
结论:
- 开发的深度模糊网络提供了一个非常准确和可解释的方法来预测PTC患者的CLNM.
- 这种人工智能驱动的方法可以成为指导PTC手术前临床决策的宝贵工具.
- 该研究强调了以专家知识为指导的AI在改善癌症转移的非侵入性诊断能力方面的潜力.
