基于 CLEAR-DR 的发现放射组学：可解释的糖尿病视网膜病变计算机辅助诊断
人工智能
2017-10-31 v1 计算机视觉与模式识别
神经与进化计算
摘要
目的：放射组学驱动的计算机辅助诊断（CAD）近年来作为改善医学肿瘤学临床决策支持的潜在工具显示出可观前景，尤其是那些基于发现放射组学（Discovery Radiomics）概念的方法，即通过医学影像数据分析发现放射组学序列器。当前 CAD 方法的主要局限之一是很难了解决策如何做出及其依据，从而限制了其对临床医生的效用。方法：在本研究中，我们提出 CLEAR-DR，一种基于 CLass-Enhanced Attentive Response 发现放射组学（CLass-Enhanced Attentive Response Discovery Radiomics）概念的新颖可解释 CAD 系统，用于糖尿病视网膜病变的临床决策支持。结果：除通过发现的深度放射组学序列器进行疾病分级外，CLEAR-DR 系统还产生决策过程的可视化解释，以更好地洞察和理解系统的决策过程。结论：我们证明了所提出的 CLEAR-DR 系统在增强糖尿病视网膜病变分级诊断分级结果可解释性应用中的有效性和实用性。意义：CLEAR-DR 可作为一种潜在强大工具，解决当前 CAD 系统的不可解释性问题，从而提升其对临床医生的效用。
引用
@article{arxiv.1710.10675,
title = {Discovery Radiomics with CLEAR-DR: Interpretable Computer Aided Diagnosis of Diabetic Retinopathy},
author = {Devinder Kumar and Graham W. Taylor and Alexander Wong},
journal= {arXiv preprint arXiv:1710.10675},
year = {2017}
}