利用贝叶斯深度学习模型提取的不确定性信息进行乳腺X线摄影肿块的BI-RADS预测
计算机视觉与模式识别
2025-03-25 v2 人工智能
摘要
BI-RADS评分是放射科医生用于根据乳腺X线摄影图像中某些形态学特征表达乳腺癌预测不确定性水平的概率报告工具。在描述肿块时存在显著变异性，有时会导致BI-RADS误分类。使用BI-RADS预测系统来辅助放射科医生的最终决策是必要的。本研究中，利用贝叶斯深度学习模型提取的不确定性信息来预测BI-RADS评分。基于病理信息的验证结果表明，放射科医生预测的F1分数分别为42.86%、48.33%和48.28%，而模型在BI-RADS 2、3和5数据集样本上的F1分数分别为73.33%、59.60%和59.26%。此外，该模型能够以75.86%的准确率区分BI-RADS 0类别中的恶性与良性样本，并正确识别所有恶性样本为BI-RADS 5。Grad-CAM可视化表明模型关注病灶的形态学特征。因此，本研究表明具有不确定性感知能力的贝叶斯深度学习模型能够像放射科医生一样，基于形态学特征报告其对病灶恶性的不确定性。
引用
@article{arxiv.2503.13999,
title = {BI-RADS prediction of mammographic masses using uncertainty information extracted from a Bayesian Deep Learning model},
author = {Mohaddeseh Chegini and Ali Mahloojifar},
journal= {arXiv preprint arXiv:2503.13999},
year = {2025}
}