A Non-Invasive Interpretable NAFLD Diagnostic Method Combining TCM Tongue Features

要約

非アルコール性脂肪肝疾患 (NAFLD) は、アルコールやその他の特定の肝損傷因子の排除に起因する脂肪肝を特徴とする臨床病理学的症候群です。
世界中で慢性肝疾患の主な原因として浮上しています。
現在、NAFLD 検出のための従来の方法は高価であり、ユーザーが毎日診断を行うのには適していません。
この問題に対処するために、この研究では、非侵襲的で解釈可能な NAFLD 診断方法を提案します。必要なユーザー提供の指標は、性別、年齢、身長、体重、腹囲、ヒップ周囲、舌画像のみです。
この方法では、患者の生理学的指標と舌の特徴を統合し、SelectorNet という名前の融合ネットワークに入力します。
SelectorNet は、アテンション メカニズムと特徴選択メカニズムを組み合わせて、重要な特徴を選択する能力を自律的に学習できるようにします。
実験結果は、提案された方法が非侵襲的データのみを使用して 77.22\% の精度を達成し、説得力のある解釈可能性行列も提供することを示しています。
この研究は、NAFLD の早期診断と中医学の舌診断のインテリジェントな進歩に貢献します。
このペーパーのプロジェクトは、https://github.com/cshan-github/SelectorNet から入手できます。

要約(オリジナル)

Non-alcoholic fatty liver disease (NAFLD) is a clinicopathological syndrome characterized by hepatic steatosis resulting from the exclusion of alcohol and other identifiable liver-damaging factors. It has emerged as a leading cause of chronic liver disease worldwide. Currently, the conventional methods for NAFLD detection are expensive and not suitable for users to perform daily diagnostics. To address this issue, this study proposes a non-invasive and interpretable NAFLD diagnostic method, the required user-provided indicators are only Gender, Age, Height, Weight, Waist Circumference, Hip Circumference, and tongue image. This method involves merging patients’ physiological indicators with tongue features, which are then input into a fusion network named SelectorNet. SelectorNet combines attention mechanisms with feature selection mechanisms, enabling it to autonomously learn the ability to select important features. The experimental results show that the proposed method achieves an accuracy of 77.22\% using only non-invasive data, and it also provides compelling interpretability matrices. This study contributes to the early diagnosis of NAFLD and the intelligent advancement of TCM tongue diagnosis. The project in this paper is available at: https://github.com/cshan-github/SelectorNet.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google