换一批基于可解释人工智能的甲状腺微小乳头状癌超声特征量化分析与诊断研究
Quantitative Analysis and Diagnosis of Ultrasonic Features in Papillary Thyroid Microcarcinoma Based on Explainable Artificial Intelligence
摘要目的 开发一种基于可解释人工智能(XAI)的超声特征量化方法,提取甲状腺微小乳头状癌(PTMC)的量化影像特征,进而构建并验证PTMC预测模型.方法 回顾性分析524个甲状腺结节的超声图像,提取包括边界清晰度、形态、内部成分、回声特点及钙化模式在内的多项可解释性量化特征.构建XAI量化预测模型,并进一步融合定性特征建立联合预测模型,比较各模型的诊断效能.结果 XAI量化模型和联合模型的曲线下面积(AUC)分别为0.84和0.91,联合模型在保持较高灵敏度(93.67％)的同时显著提高了特异度(73.08％),诊断效能优于单一量化模型.结论 本研究提出的XAI方法能够有效量化传统超声特征,构建的联合预测模型显著提升了对PTMC的诊断准确度,具有较高的临床转化潜力.
更多相关知识
关键词
甲状腺微小乳头状癌可解释人工智能超声特征Papillary thyroid microcarcinomaExplainable artificial intelligenceUltrasound features
栏目名称
DOI
10.3969/j.issn.1002-0101.2026.06.026
发布时间
2026-06-26（万方平台首次上网日期，不代表论文的发表时间）
- 浏览2
- 被引0
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
