Resumen

En la actualidad, el diagnóstico de imágenes médicas basado en el aprendizaje profundo ha logrado un alto rendimiento en varias enfermedades. Sin embargo, la naturaleza de caja negra de la red neuronal convolucional (CNN) limita su papel en el diagnóstico. En este estudio, se propuso una nueva tubería de diagnóstico interpretable utilizando el modelo CNN. Además, se construyó una base de datos de melanoma de gran tamaño que contiene 841 imágenes digitales de diapositivas completas (WSI) para entrenar y evaluar el modelo. El modelo alcanzó una gran capacidad de clasificación del melanoma (0,962 áreas bajo la característica operativa del receptor, 0,887 sensibilidad y 0,925 especificidad). Además, el modelo propuesto superó a los esquemas existentes en términos de precisión que es de 20 patólogos (0,933 frente a 0,732 de precisión). Por último, se utilizó el método del mapa de activación de clases ponderado por gradiente (Grad-CAM) para mostrar la lógica interna del modelo propuesto y su viabilidad para mejorar el proceso de diagnóstico en la atención sanitaria. El mecanismo de los mapas de calor de características que se visualiza a través de un mapa de saliencia ha demostrado que las características aprendidas o extraídas por el modelo propuesto son compatibles con las características patológicas aceptadas. En conclusión, el modelo propuesto proporciona un diagnóstico rápido y preciso al localizar las características distintivas del melanoma para que los médicos confíen en los resultados del diagnóstico de las CNN.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:modelo, nueva línea de diagnóstico interpretable, gran capacidad de clasificación del melanoma, características patológicas aceptadas, mapeo de activación de clases, red neuronal convolucional, mapas de calor de características, diagnóstico por imagen médica, base de datos de melanoma de gran tamaño, precisión
• Keywords:model, novel interpretable diagnosis pipeline, strong melanoma classification ability, accepted pathological features, class activation mapping, convolutional neural network, feature heat maps, medical image diagnosis, sizeable melanoma database, accuracy