基于因果驱动的单样本学习用于 MRI 前列腺癌分级

在本文中，我们提出了一种自动分类医学图像的新方法，该方法学习并利用图像中的弱因果信号。我们的框架由一个卷积神经网络骨干和一个因果提取模块组成，该模块提取特征图之间的因果关系，这些关系可告知模型：给定图像中某处存在另一特征时，某一特征在图像另一处出现的情况。为评估我们的方法在低数据场景下的有效性，我们以单样本学习方案训练我们的因果驱动架构，其中我们提出了一种新的元学习流程，包含使用相关但粒度不同的类别设计的元训练与元测试任务。我们在公开可用的前列腺 MRI 图像数据集上进行了二分类和多分类实验。为验证所提因果驱动模块的有效性，我们进行了消融研究，并使用类激活图进行定性评估，以突出强烈影响网络决策过程的区域。我们的发现表明，特征间的因果关系在增强模型辨别相关信息的能力以及产生更可靠和可解释的预测方面起着关键作用。这使其成为一种有前景的医学图像分类任务方法。