评估显著性图在医学影像异常定位中的有效性
计算机视觉与模式识别
2020-06-02 v1 机器学习
摘要
显著性图已成为一种广泛使用的方法，用于评估输入图像的哪些区域对训练好的神经网络的预测最为关键。然而，在医学影像领域，据我们所知，尚无研究考察这些技术的有效性，并使用与真实边界框的重叠对其进行量化。在这项工作中，我们在 RSNA 肺炎数据集上探索了各种现有显著性图方法的可信度。我们发现 GradCAM 对模型参数和标签随机化最为敏感，并且对模型架构高度不敏感。
引用
@article{arxiv.2006.00063,
title = {Assessing the validity of saliency maps for abnormality localization in medical imaging},
author = {Nishanth Thumbavanam Arun and Nathan Gaw and Praveer Singh and Ken Chang and Katharina Viktoria Hoebel and Jay Patel and Mishka Gidwani and Jayashree Kalpathy-Cramer},
journal= {arXiv preprint arXiv:2006.00063},
year = {2020}
}