출생 전 초음파 진단을 위한 신장 이상에 대한 딥 러닝 예측

초록 딥 러닝 알고리즘은 임상 진단에서 특히 의료 영상 분야에서 놀라운 잠재력을 보여주었습니다. 이 연구에서는 태아 신장 이상을 조기 발견하기 위한 딥 러닝 모델의 적용을 조사했습니다. 이러한 모델의 예측을 향상된 해석을 제공하기 위해, 우리는 두 클래스 표현을 조정하고 두 개 이상의 레이블과 변수 계층적 레이블 그룹화가 있는 문제에 대한 다중 클래스 모델 해석 접근법을 개발했습니다. 추가로, 모델 예측에 대한 통찰을 얻고 잘못 분류된 이유를 식별하기 위해 설명 가능한 AI(XAI) 시각화 도구인 Grad-CAM과 HiResCAM을 사용했습니다. 연구 데이터셋은 고유한 환자의 초음파 이미지 969장으로 구성되어 있었습니다; 646장의 대조군 이미지와 259건의 일측성 요로 확장 및 64건의 일측성 다낭성 이형성 신장을 포함한 323건의 신장 이상 사례가 포함되어 있었습니다. 가장 성능이 우수한 모델은 ROC 곡선의 교차 검증 면적이 91.28% ± 0.52%에 도달하였으며, 전체 정확도는 84.03% ± 0.76%, 민감도는 77.39% ± 1.99%, 특이도는 87.35% ± 1.28%에 달했습니다. 우리의 연구 결과는 제한된 출생 전 초음파 이미지를 통해 신장 이상을 예측하는 데 있어 딥 러닝 모델의 잠재력을 강조합니다. 제안된 모델 표현 및 해석의 조정은 다중 클래스 예측 문제에 대한 새로운 솔루션을 나타냅니다.