TRACE:对齐RANO 2.0的可解释纵向胶质母细胞瘤MRI评估模型

TRACE: A Concept Bottleneck Model for Longitudinal 3D Glioblastoma Response Assessment

精选理由

想理解脑肿瘤MRI评估的黑箱?TRACE用概念瓶颈让模型决策透明可验证,在LUMIERE上表现接近非可解释方法,值得看。

AI 摘要

TRACE是一个概念瓶颈模型,用于对纵向3D MRI进行4分类胶质母细胞瘤反应评估,严格对齐RANO 2.0标准。该模型在LUMIERE数据集上通过5折患者交叉验证,实现了4类macro F1为0.4769,二分类(进展vs非进展)macro F1为0.7085。TRACE先预测肿瘤测量作为根概念,再通过确定性规则计算下游RANO衍生概念,并引入扫描间隔和新病灶信息。消融实验表明专家RANO图和干预一致性训练对性能至关重要,干预实验显示修正概念可提升下游预测。

AI 翻译 · 中文

TRACE是一个概念瓶颈模型,用于对纵向3D MRI进行4分类胶质母细胞瘤反应评估,严格对齐RANO 2.0标准。该模型在LUMIERE数据集上通过5折患者交叉验证,实现了4类macro F1为0.4769,二分类(进展vs非进展)macro F1为0.7085。TRACE先预测肿瘤测量作为根概念,再通过确定性规则计算下游RANO衍生概念,并引入扫描间隔和新病灶信息。消融实验表明专家RANO图和干预一致性训练对性能至关重要,干预实验显示修正概念可提升下游预测。

arXiv cs.LGLongitudinal glioblastoma response assessment requires comparing subtle tumor changes across MRI time points using structured clinical criteria such as RANO. However, most deep learning methods predict response labels di