关于复合前列腺癌检测系统中非预期涌现行为的探讨
图像与视频处理
2025-02-18 v2 计算机视觉与模式识别
医学物理
摘要
人工智能系统在通过辅助放射科医生解读前列腺磁共振图像（MRI）以支持前列腺癌（PC）诊断路径方面展现出前景。大多数基于 MRI 的系统旨在检测临床显著性 PC 病灶，主要目标是防止过度诊断。典型地，这些系统包含一个自动前列腺分割组件和一个临床显著性 PC 病灶检测组件。尽管系统具有复合性质，其评估却以独立的临床显著性 PC 检测组件假设呈现，即在理想化场景下、并假定测试时可获得高精度前列腺分割进行评估。本工作中，我们旨在考量复合性质来评估一个临床显著性 PC 病灶检测系统。为此，我们模拟真实部署场景，并评估两个非理想且经验证的前列腺分割模块对复合系统 PC 检测能力的影响，随后将其与假定分割无错误的理想化设置比较。我们观察到，在真实场景及存在最高性能前列腺分割模块（DSC：90.07±0.74）时，复合系统的检测能力与理想化设置（AUC：77.93±3.06 与 84.30±4.07，P<.001）相比有显著差异。我们的结果揭示了 PC 检测复合系统整体评估的重要性，其中系统组件间的交互会导致性能下降与部署时的退化。
引用
@article{arxiv.2309.08381,
title = {On undesired emergent behaviors in compound prostate cancer detection systems},
author = {Erlend Sortland Rolfsnes and Philip Thangngat and Trygve Eftestøl and Tobias Nordström and Fredrik Jäderling and Martin Eklund and Alvaro Fernandez-Quilez},
journal= {arXiv preprint arXiv:2309.08381},
year = {2025}
}
备注
Accepted in MICCAI 2025, CapTiON