基于深度学习模型与可解释人工智能自动检测卵巢恶性病灶
人工智能
2026-03-13 v1 计算机视觉与模式识别
摘要
癌症是细胞无限制增殖且具有恶性本质的疾病。近年来，医疗专业人员通过实施深度学习模型分析医疗数据，获取更佳的临床决策、疾病诊断和药物发现能力。大多数癌症都通过融合这些技术进行研究和治疗。然而，卵巢癌仍是一个难题，因为其非侵入性检测程序不准确，且检测耗时且具有侵入性。因此，在本研究中，我们利用 LeNet-5、ResNet、VGGNet 和 GoogLeNet/Inception 等多个卷积神经网络开发出 15 种变体，并选择一个能够准确检测和识别卵巢癌的模型。为了有效训练模型，我们使用来自 Mendeley 的数据集 OvarianCancer\&SubtypesDatasetHistopathology。构建模型后，我们利用解释性人工智能（XAI）模型，如 LIME、Integrated Gradients 和 SHAP，对选定模型的黑盒输出进行解释。为了评估模型性能，我们使用准确率、精确率、召回率、F1 分数、ROC 曲线和 AUC。通过评估，可以看到略微简化的 InceptionV3 模型搭配 ReLu 在增强数据集上综合各项性能指标下均取得 94% 的最佳成绩。最后，对 XAI 使用上述三种方法进行整体比较分析。本研究的贡献旨在帮助实现更准确的卵巢癌检测方法。
引用
@article{arxiv.2603.11818,
title = {Automated Detection of Malignant Lesions in the Ovary Using Deep Learning Models and XAI},
author = {Md. Hasin Sarwar Ifty and Nisharga Nirjan and Labib Islam and M. A. Diganta and Reeyad Ahmed Ornate and Anika Tasnim and Md. Saiful Islam},
journal= {arXiv preprint arXiv:2603.11818},
year = {2026}
}
备注
Accepted and published at ICAIC 2025. Accepted version