基于不确定性感知贝叶斯深度学习的乳腺X线摄影乳腺癌分子亚型可靠预测
计算机视觉与模式识别
2024-12-20 v2
摘要
乳腺癌是一种异质性疾病，具有不同的分子亚型、临床行为、治疗反应以及生存结局。开发一种可靠、准确、可用且廉价的方法，利用医学图像预测分子亚型，在乳腺癌的诊断和预后中发挥着重要作用。最近，深度学习方法在使用各种医学图像的乳腺癌分类任务中表现出良好的性能。尽管取得了这些成功，经典的深度学习无法提供预测不确定性。不确定性代表了预测的有效性。因此，高预测不确定性可能会对乳腺癌分子亚型的准确诊断产生负面影响。为了克服这一点，使用不确定性量化方法来确定预测不确定性。因此，在本研究中，我们提出了一种使用完整乳腺X线摄影图像的不确定性感知贝叶斯深度学习模型。此外，为了提高多类分子亚型分类任务的性能，我们提出了一种新颖的分层分类策略，称为两阶段分类策略。所提出模型对每个亚型的单独 AUC 分别为 0.71、0.75 和 0.86，分别对应 HER2 富集型、腔内型和三阴性类别。所提出的模型不仅在乳腺癌分子亚型预测领域具有与其他研究相当的性能（即使使用完整的乳腺X线摄影图像），而且由于量化了预测不确定性，它也更加可靠。
引用
@article{arxiv.2412.11953,
title = {Reliable Breast Cancer Molecular Subtype Prediction based on uncertainty-aware Bayesian Deep Learning by Mammography},
author = {Mohaddeseh Chegini and Ali Mahloojifar},
journal= {arXiv preprint arXiv:2412.11953},
year = {2024}
}