拥抱不确定性灵活性：利用监督树核增强基于二维超声心动图的右心室体积预测的集成建模

在许多临床情况下，右心室（RV）功能恶化是临床结果的强预测因子。为了促进利用广泛可用的二维超声心动图（2DE）表格数据量化RV体积的集成回归方法的临床部署，我们提出用不确定性分数补充体积预测。为此，我们采用一种基于实例的方法，该方法利用学习到的树结构来识别目标实例的最近训练样本，然后使用多种分布类型更灵活地对输出进行建模。所提出框架的概率性能和点预测性能在一个相对小规模的数据集上进行了评估，该数据集包含100个舒张末期和收缩末期RV体积。点性能的参考值从MRI获得。结果表明，与其他最先进方法相比，我们的灵活方法在概率性能和点性能上均有提升。通过提供示例案例展示了所提出框架的适用性。估计的不确定性包含偶然不确定性和认知不确定性两种类型。这项工作与可信人工智能相契合，因为它可以用来增强决策过程并降低风险。我们框架的特征重要性分数可以被利用来减少所需的2DE视图数量，这可以增强所提出流程的临床应用。