Modelli Fondazionali CT Distillati in Colli di Bottiglia Concettuali Modificabili per la Previsione della Malignità dei Noduli Polmonari
Un nuovo studio su arXiv (2608.07857) presenta un metodo che migliora la comprensione delle previsioni fatte dai modelli fondazionali CT trasformandoli in modelli a collo di bottiglia concettuale. Questo approccio collega due rappresentazioni fisse del modello fondazionale CT a otto caratteristiche dei noduli polmonari definite dai radiologi, consentendo previsioni di malignità basate su questi attributi e sulla dimensione dei noduli. La ricerca ha utilizzato CT-FM, un encoder auto-supervisionato per noduli di 96^3 voxel, e FMCIB, un encoder contrastivo per ritagli di 50 mm, sviluppando otto teste concettuali di regressione ridge utilizzando 2.610 noduli LIDC-IDRI. I modelli sono stati addestrati su LUNA25 e testati su un set interno e sulla coorte esterna DLCS, con prestazioni valutate tramite metriche R^2 e AUROC. Questo lavoro mira a migliorare l'interpretabilità dell'IA nell'imaging medico per le previsioni di malignità dei noduli polmonari.
Fatti principali
- Articolo su arXiv: 2608.07857
- Metodo: Distillare i modelli fondazionali CT in modelli a collo di bottiglia concettuale
- Mappa due rappresentazioni fisse del modello fondazionale CT a otto attributi dei noduli polmonari definiti dai radiologi
- Prevede la malignità a partire dai concetti stimati e dalla dimensione dei noduli
- Modelli: CT-FM (encoder auto-supervisionato dell'intera CT, patch di 96^3 voxel) e FMCIB (encoder contrastivo focalizzato sui noduli, ritaglio di 50 mm)
- Otto teste concettuali di regressione ridge addestrate su 2.610 noduli LIDC-IDRI
- Modelli di malignità addestrati su LUNA25, valutati su un set di test interno e sulla coorte esterna DLCS
- Metriche di valutazione: R^2 con validazione incrociata a cinque pieghe per la fedeltà concettuale, AUROC con IC al 95% tramite bootstrap raggruppato per paziente per la discriminazione della malignità
Entità
Istituzioni
- arXiv
- LIDC-IDRI
- LUNA25
- DLCS