Regularizácia prostredníctvom atribúcie gradientov pre segmentáciu lézií pri roztúšenej skleróze

Článok predstavuje nový rámec nazvaný Regularizácia prostredníctvom atribúcie gradientov (RGA) na zlepšenie detekcie lézií pri roztúšenej skleróze z magnetickej rezonancie. Hlavný problém, ktorý riešia, je nerovnomerné rozdelenie dát v medicínskych obrazoch, kde je zdravého tkaniva oveľa viac ako lézií, čo spôsobuje, že algoritmy často prehliadajú malé lézie. Metóda RGA používa vysvetľovateľnú umelú inteligenciu na kontrolu, či sieť správne identifikuje lézie a zdravé tkanivo. Rámec bol testovaný na dvoch verejných datasetoch s troma rôznymi typmi neurónových sietí a dvoma metódami analýzy. Výsledky ukázali zlepšenie všetkých meraných parametrov, pričom najlepšia konfigurácia dosiahla DSC hodnotu 0,7056 na prvom datasete a 0,7466 na druhom datasete. Metóda RGA zároveň nepridáva žiadne dodatočné výpočtové náklady počas používania a je kompatibilná s medicínskymi systémami.