Vision Transformer for Intracranial Hemorrhage Classification in CT Scans Using an Entropy-Aware Fuzzy Integral Strategy for Adaptive Scan-Level Decision Fusion

要約

頭蓋内出血（ICH）は、脳血管の破裂によって引き起こされる重大な医学的緊急事態であり、頭蓋骨内の内部出血につながります。
出血サブタイプの正確でタイムリーな分類は、効果的な臨床的意思決定に不可欠です。
この課題に対処するために、高度なピラミッドビジョントランス（PVT）ベースのモデルを提案し、階層的な注意メカニズムを活用して、脳CTスキャンで局所的およびグローバルな空間的依存関係の両方をキャプチャします。
すべての抽出された機能を無差別に処理する代わりに、SHAPベースの特徴選択方法を使用して、最も識別的なコンポーネントを特定するために採用されており、その後、ブーストニューラルネットワークをトレーニングする潜在的な特徴スペースとして使用され、計算の複雑さが減少します。
複数のCTスライスで情報を融合するためのファジー積分演算子とともに、エントロピーを意識した集約戦略を導入し、スリス間依存を考慮して、より包括的で信頼性の高いスキャンレベルの診断を保証します。
実験結果は、PVTベースのフレームワークが、分類の精度、精度、堅牢性の観点から、最先端の深い学習アーキテクチャを大幅に上回ることを示しています。
SHAP駆動型の特徴選択、変圧器ベースのモデリング、および意思決定融合のためにエントロピー認識ファジー積分演算子を組み合わせることにより、この方法は、自動ICHサブタイプ分類のためのスケーラブルで計算効率の高いAI駆動型ソリューションを提供します。

要約(オリジナル)

Intracranial hemorrhage (ICH) is a critical medical emergency caused by the rupture of cerebral blood vessels, leading to internal bleeding within the skull. Accurate and timely classification of hemorrhage subtypes is essential for effective clinical decision-making. To address this challenge, we propose an advanced pyramid vision transformer (PVT)-based model, leveraging its hierarchical attention mechanisms to capture both local and global spatial dependencies in brain CT scans. Instead of processing all extracted features indiscriminately, A SHAP-based feature selection method is employed to identify the most discriminative components, which are then used as a latent feature space to train a boosting neural network, reducing computational complexity. We introduce an entropy-aware aggregation strategy along with a fuzzy integral operator to fuse information across multiple CT slices, ensuring a more comprehensive and reliable scan-level diagnosis by accounting for inter-slice dependencies. Experimental results show that our PVT-based framework significantly outperforms state-of-the-art deep learning architectures in terms of classification accuracy, precision, and robustness. By combining SHAP-driven feature selection, transformer-based modeling, and an entropy-aware fuzzy integral operator for decision fusion, our method offers a scalable and computationally efficient AI-driven solution for automated ICH subtype classification.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google