25、医学影像分析：基于树的转换与3D超声生物测量平面提取

医学影像分析：基于树的转换与3D超声生物测量平面提取

在医学影像分析领域，有两项重要的技术进展值得关注。一是基于树的转换在特权学习中的应用，有助于解决决策森林学习算法中训练和测试数据不一致的问题；二是自动提取3D超声生物测量平面用于孕早期胎儿评估，为临床诊断提供了更高效准确的方法。

基于树的转换在特权学习中的应用

在处理sMCI（稳定型轻度认知障碍）与pMCI（进展型轻度认知障碍）的分类问题时，不同方法展现出了不同的性能。以下是几种方法的性能对比表格：
| 方法 | 准确率（Acc） | 灵敏度（Sens） | 特异度（Spec） | ROC曲线下面积（AUC） |
| — | — | — | — | — |
| 仅使用MRI的单模态森林 | 0.74 | 0.71 | 0.74 | 0.81 |
| PC森林 | 0.76 | 0.77 | 0.75 | 0.82 |
| 仅使用MRI的基于树的转换 | 0.78 | 0.82 | 0.75 | 0.85 |
| 跨模态转换 | 0.82 | 0.83 | 0.80 | 0.87 |

从表格中可以看出，跨模态转换方法在各项指标上都表现出色，尤其是在准确率和灵敏度方面。这表明跨模态转换方法能够更有效地利用多模态数据的信息，提高分类性能。

该方法主要解决了决策森林学习算法中训练和测试数据不一致的问题。在测试样本非随机缺失大部分最具区分性特征的情况下，通过跨模态基于树的转换，将PET成像的价值有效地转移到仅使用MRI的数据集上。具体操作步骤如下：
1. 数据准备 ：收集同时包含MRI和PET特征的样本用于训练