推进甲状腺诊断:将人工智能驱动的CAD框架与数值数据和超声波图像集成在一起
1Department of Computer Science and Information, Applied College, Taibah University, Madinah, Saudi Arabia.
PeerJ. Computer science
|September 24, 2025
概括
这项研究引入了用于甲状腺疾病诊断的先进人工智能框架,将患者数据和超声波图像集成为高精度. 鉴定出甲状腺素和TSH等关键预测因子,提高了诊断潜力.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 内分泌学 在内分泌学.
背景情况:
- 甲状腺疾病诊断依赖于整合各种患者数据和成像.
- 当前的诊断方法可以通过先进的计算方法来增强,以提高准确性和可解释性.
研究的目的:
- 开发和评估甲状腺疾病的先进计算机辅助诊断 (CAD) 框架.
- 使用尖端人工智能技术整合数值患者数据和超声波图像.
- 提高诊断准确性,模型解释性和甲状腺疾病检测中的临床适用性.
主要方法:
- 使用视觉转换器 (ViTs) 进行甲状腺超声波图像分析.
- 为了获得可解释的AI见解,使用了SHapley添加式解释 (SHAPs).
- 应用稀疏搜索算法 (SSA) 用于数值特征选择和树结构的Parzen估计器用于超参数调整.
主要成果:
- 在两个数据集上实现了高性能,在患者数据集上准确率高达99.71%.
- 在DDTI数据集上的视觉转换器 (ViT) 在没有增强的情况下达到95.06%的准确性,优于现有方法.
- 确定了甲状腺素,甲状腺手术和甲状腺刺激激素 (TSH) 作为关键预测因子.
结论:
- 拟议的人工智能驱动的CAD框架显示了准确和可解释的甲状腺疾病诊断的巨大潜力.
- 人工智能集成可以改善医疗保健中的诊断结果和个性化治疗策略.
- 在没有数据增强的情况下训练的模型表现出卓越的性能,突显了拟议框架的稳定性.
