以风格诠释CheXplaining：基于StyleGAN的胸部X光反事实解释
图像与视频处理
2022-07-18 v1 计算机视觉与模式识别
机器学习
摘要
用于医学图像分析的深学习模型因其黑盒性质易引发可靠性担忧。为揭示这些黑盒模型，以往工作主要关注识别输入特征对诊断的贡献，即特征归因。本工作中，我们探索反事实解释以识别模型依赖何种模式进行诊断。具体而言，我们研究改变胸部X光中特征对分类器输出的影响，以理解其决策机制。我们利用基于StyleGAN的方法（StyleEx），通过操控其潜空间中的特定潜方向，为胸部X光生成反事实解释。此外，我们提出EigenFind以显著减少生成解释的计算时间。我们借助放射科医师从临床上评估了反事实解释的相关性。我们的代码已公开可用。
引用
@article{arxiv.2207.07553,
title = {CheXplaining in Style: Counterfactual Explanations for Chest X-rays using StyleGAN},
author = {Matan Atad and Vitalii Dmytrenko and Yitong Li and Xinyue Zhang and Matthias Keicher and Jan Kirschke and Bene Wiestler and Ashkan Khakzar and Nassir Navab},
journal= {arXiv preprint arXiv:2207.07553},
year = {2022}
}
备注
Accepted to the ICML 2022 Interpretable Machine Learning in Healthcare (IMLH) Workshop ----- Project website: http://github.com/CAMP-eXplain-AI/Style-CheXplain