一种用于深度学习乳腺癌筛查的交互式可解释性系统
图像与视频处理
2022-10-18 v1 人工智能
计算机视觉与模式识别
人机交互
机器学习
摘要
深度学习方法，特别是卷积神经网络，已成为医学图像计算任务中的有力工具。虽然这些复杂模型提供了优异的性能，但其黑盒性质可能阻碍在高风险决策中的实际采用。在本文中，我们提出一种交互式系统，利用最先进的可解释性技术来辅助放射科医生进行乳腺癌筛查。我们的系统将深度学习模型集成到放射科医生的工作流中，并提供新颖的交互以促进对模型决策过程的理解。此外，我们展示了我们的系统如何利用用户交互逐步提供细粒度的可解释性报告，且标注开销很小。由于所采用可解释性技术的通用性，我们的系统是领域无关的，可用于许多不同的医学图像计算任务，为如何利用视觉分析将原本静态的可解释性技术转化为增强人类决策并促进医学AI采用提供了新视角。
引用
@article{arxiv.2210.08979,
title = {An Interactive Interpretability System for Breast Cancer Screening with Deep Learning},
author = {Yuzhe Lu and Adam Perer},
journal= {arXiv preprint arXiv:2210.08979},
year = {2022}
}