基于少量可解释特征对白血病白细胞进行分类
图像与视频处理
2022-01-31 v1 计算机视觉与模式识别
机器学习
摘要
白细胞（WBC）白血病通过基于图像的分类进行检测。卷积神经网络用于学习将细胞图像分类为恶性或健康所需的特性。然而，此类模型需要学习大量参数，且难以解释和说明。可解释 AI（XAI）试图通过提供模型如何决策的洞察来缓解这一问题。因此，我们提出了一种 XAI 模型，其仅使用 24 个可解释且可理解的特征，并通过以约 4.38% 的优势超越其他方法来达到高度竞争力。此外，我们的方法提供了哪些变量对细胞分类最为重要的洞察。该洞察证明，当实验室以不同方式处理 WBC 时，各项指标的重要性会发生显著变化。理解分类的重要特征在医学影像诊断中至关重要，并由此延伸至理解科学探索中构建的 AI 模型。
引用
@article{arxiv.2201.11864,
title = {Classification of White Blood Cell Leukemia with Low Number of Interpretable and Explainable Features},
author = {William Franz Lamberti},
journal= {arXiv preprint arXiv:2201.11864},
year = {2022}
}