基于可解释性机器学习的氨基酸PET成像在胶质瘤诊断中的应用研究 学术背景 胶质瘤（glioma）是中枢神经系统最常见的恶性肿瘤之一，其诊断和治疗策略通常依赖于组织病理学分析。然而，组织病理学分析存在侵入性高、耗时长等局限性。近年来，基于医学影像的放射组学（radiomics）技术逐渐兴起，通过从医学图像中提取大量定量特征，结合机器学习（machine learning, ML）算法，能够有效捕捉复杂的影像特征关系，为胶质瘤的诊断和预后评估提供了新的可能性。然而，尽管机器学习模型在胶质瘤预测任务中表现出较高的效率，但其在临床实践中的应用仍受到限制，主要原因在于模型决策过程缺乏透明性，且难以与临床工作流程无缝整合。 为了解决这一问题，可解释性机器学习（explainable machine le...