Added value of feature uncertainty in a radiomic analysis of contrast-enhanced digital mammography boosted by deep learning

Artículo académico que tiene el objetivo de demostrar que la evaluación de la incertidumbre de las características radiómicas puede mejorar la solidez y el rendimiento de los modelos de predicción basados en radiómica, incluso con conjuntos de datos pequeños, como es común en la Mamografía Digital con Contraste (CEDM). Los modelos de deep learning suelen ser el estándar, pero requieren muchos datos. Se propone utilizar un modelo preentrenado de detección de lesiones de tomosíntesis digital de mama (DBT) como extractor de características para impulsar el análisis radiómico (un enfoque llamado boosting).