Proto-Caps: Genauigkeit und Erklärbarkeit bei Lungenkrebs-Scans erhöhen

Eine neue Methode namens Proto‑Caps, die auf Capsule‑Netzwerken, Prototyp‑Lernen und privilegierten Informationen basiert, hat bei der Klassifizierung von Lungenkrebs‑Scans sowohl die Genauigkeit als auch die Erklärbarkeit deutlich verbessert. Die Forscher haben die Technik auf dem LIDC‑IDRI‑Datensatz getestet und konnten die Leistung gegenüber einem erklärbaren Basismodell um mehr als sechs Prozentpunkte steigern.

Proto‑Caps nutzt zusätzliche Trainingsinformationen, die während des Lernprozesses verfügbar sind, um ein Modell zu erzeugen, das nicht nur präziser, sondern auch nachvollziehbarer ist. Durch die Kombination von Prototyp‑Darstellungen und Capsule‑Netzwerken kann das System Fall‑basierte Begründungen liefern, die radiologischen Merkmalen entsprechen und visuell überprüfbar sind.

Die Ergebnisse zeigen, dass Proto‑Caps eine malignitäts‑Prädiktion von 93,0 % erreicht – ein deutlicher Fortschritt gegenüber dem Standardmodell. Gleichzeitig liefert das Modell prototypische Beispiele, die Radiologen dabei unterstützen, die Entscheidungsgrundlage des Netzwerks zu validieren und die diagnostische Transparenz zu erhöhen.