换一批一种有置信度分析的前列腺癌良恶性分类模型研究
A confidence-based model for benign and malignant classification of prostate cancer
摘要目的 旨在构建一套具备可解释性与置信度分析功能的前列腺癌(orostate cancer,PCa)良恶性分类模型,以提升诊断准确性并降低临床误诊风险.方法 回顾性分析267例PCa患者和143例非PCa患者的双参数磁共振数据,采用VGG-16网络构建分类模型,通过梯度加权类激活映射(gradient-weighted class activation mapping,Grad-CAM)方法实现可视化解释,并使用蒙特卡洛Dropout(Monte Carlo Dropout,MC-Dropout)法进行不确定性估计,引入拒绝机制;最后通过受试者工作特性(receiver operating characteristic,ROC)曲线和曲线下面积(area under the curve,AUC)评估模型性能.结果 相比于原始VGG-16网络,本次提出的置信度模型提高了正确分类比例(94.6％vs 79.3％),并减少了假阳性(5.3％vs 15.3％),同时漏诊率接近零(0.1％),AUC值提高(P＜0.05);模型正确分类比例高于高年资医生(94.6％vs 90.8％),高置信度激活区域与真实病灶区域高度吻合.结论 本次提出的PCa分类模型,结合可视化与拒绝机制,无需像素级标签,也可准确识别PCa病灶并输出置信度,显著提高临床决策的准确性与安全性.
更多相关知识
关键词
磁共振成像前列腺癌置信度分析梯度加权类激活映射蒙特卡洛Dropout法magnetic resonance imagingprostate cancerconfidence analysisgradient-weighted class activation mappingMonte Carlo Dropout
分类号
R445.1（诊断学）
栏目名称
DOI
10.19367/j.cnki.2096-8388.2025.09.019
发布时间
2025-11-06（万方平台首次上网日期，不代表论文的发表时间）
基金项目
贵州医科大学附属医院国家自然科学基金（NSFC）
地区基金培育计划项目（gyfynsfc(2023)-61）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
