相关实验视频
Updated: Sep 18, 2025
06:27
A Protocol for Explant Cultures of IDH1-mutant Diffuse Low-grade Gliomas
Published on: May 9, 2025
567
用符合预测的深度学习算法预测质瘤患者的IDH突变
Danial Elyassirad1, Benyamin Gheiji1, Mahsa Vatanparast1
1Student Research Committee, Faculty of Medicine, Mashhad University of Medical Sciences, Mashhad, Iran.
Journal of imaging informatics in medicine
|June 25, 2025
概括
这项研究开发了一种不确定性意识深度学习模型,用于预测结晶瘤患者的异酸盐脱酶 (IDH) 突变. 整合合规预测 (CP) 用于不确定性量化 (UQ) 显著提高了模型性能和可靠性.
科学领域:
- 神经瘤学神经瘤学
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 世界卫生组织的质瘤分类强调遗传标记,如异酸盐脱酶 (IDH) 突变.
- 准确预测IDH突变状态对于质瘤患者的诊断和治疗计划至关重要.
研究的目的:
- 开发和评估一种不确定性意识深度学习模型,用于预测质瘤患者的IDH突变.
- 评估不确定性量化 (UQ) 的合规预测 (CP) 对模型性能的影响.
主要方法:
- 开发并比较了3D卷积神经网络 (CNN) 模型和逻辑回归 (LR) 集合分类器.
- 采用符合性预测 (CP) 用于UQ的0.01不符合性值.
- 在UCSF和UPENN数据集上使用精度回调曲线下的区域 (AUPRC) 和接收器操作特征下的区域 (AUROC) 评估模型.
主要成果:
- 3D CNN模型实现了0.8102的AUPRC验证和0.2139.3的外部测试AUPRC.
- 该LR组合模型实现了0.2583.3的外部测试AUPRC.
- 在外部测试组中,CP集成的结果是外部测试组的AUROC为0.8592和AUPRC为0.5217,证明了性能和可靠性的提高.
结论:
- 不确定性意识深度学习模型,特别是当与符合性预测增强时,显示出预测质瘤中IDH突变的重大前景.
- CP有效量化不确定性,导致更可靠的预测和提高神经瘤学诊断准确度.
