放射学和生物词典的放射学特点:在个性化前列腺癌中解决可理解的AI问题,词典版本PM1.0

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 人工智能 (AI) 在医学中提供了诊断潜力,但在临床解释性方面面临挑战.
• 标准化的定量放射学特征 (RF) 可以弥合人工智能模型和PI-RADS等临床框架之间的差距.
• 人工智能和医疗专业人员需要一个共同的框架,以确保人工智能模型与临床实践保持一致.

研究的目的:

• 将多参数MRI的放射特征 (RF) 与前列腺癌临床PI-RADS风险分层联系起来.
• 开发一个标准化字典 (PM1.0) 用于解释前列腺MRI中的AI模型.
• 提高AI在医学诊断中的解释性和临床实用性.

主要方法:

• 从T2加权成像 (T2WI),扩散加权成像 (DWI) 和明显扩散系数 (ADC) 序列中提取了放射学特征 (RF).
• 应用可解释和复杂的分类器与特征选择算法 (FSA) 来预测低风险 (分数1-3) 和高风险 (分数4-5) TCIA-UCLA分数.
• 利用标准化的射频词典来解释最好的预测模型.

主要成果:

• 使用多参数MRI序列和FSA (ANOVA F测试,相关系数,费舍尔评分) 与后勤回归的综合方法实现了0.78 ± 0.01的平均精度.
• 关键的预测特征包括T2WI第90百分点和变量,ADC形状指标 (最小轴长,表面积与体积比),以及ADC运行.
• 这种方法显著优于单序方法 (p值<0.05).

结论:

• 开发的前列腺-MRI (PM1.0) 字典为人工智能和临床专业人员提供了一个共同的语言.
• 这种标准化的框架促进了协作,并推进了可靠的AI解决方案,以获得可靠的临床决策.
• 将Radiomics功能与临床框架联系起来,可以提高AI在医学诊断中的解释性.