基于卷积神经网络和梯度加权类激活映射的可解释痴呆分期图像分类教程
图像与视频处理
2024-08-21 v1 人工智能
计算机视觉与模式识别
摘要
本文提出了一种基于卷积神经网络（CNN）和梯度加权类激活映射（Grad-CAM）的可解释方法，用于基于开放MRI脑图像对四种渐进性痴呆分期进行分类。详细的实现步骤附有说明。尽管所提出的CNN架构在测试数据集上实现了超过99%的准确率，但CNN的计算过程仍然是一个黑箱。基于Grad-CAM的可视化尝试用于解释这种极高的准确率，并可能为临床医生提供有用信息。本文讨论了基于此项工作的未来展望。
引用
@article{arxiv.2408.10572,
title = {A Tutorial on Explainable Image Classification for Dementia Stages Using Convolutional Neural Network and Gradient-weighted Class Activation Mapping},
author = {Kevin Kam Fung Yuen},
journal= {arXiv preprint arXiv:2408.10572},
year = {2024}
}
备注
15 pages, 11 figures, 3 tables