协作式人机系统(CHAI)：基于证据的皮肤镜图像可解释黑色素瘤分类
计算机视觉与模式识别
2018-08-03 v3
摘要
自动化皮肤镜图像分析在诊断性能上经历了快速增长。然而其应用面临阻力，部分原因在于未提供支持决策的证据。本工作提出了一种基于证据的分类方法。利用 CNN、三元组损失与全局平均池化学习特征嵌入，并通过 kNN 搜索进行分类。证据以发现的近邻以及最相关于度量查询与近邻间距离的定位图像区域形式提供。为确保结果在任何技能水平上就标签准确性与人眼视觉相似性而言均相关，实现了一种新颖的分层三元组逻辑，以依据疾病标签与非专家相似性联合学习嵌入。结果较仅基于疾病标签训练的基线以及标准多类损失均有提升。根据非专家相似性的结果定量相关性以及定位图像区域也得到显著改善。
引用
@article{arxiv.1805.12234,
title = {Collaborative Human-AI (CHAI): Evidence-Based Interpretable Melanoma Classification in Dermoscopic Images},
author = {Noel C. F. Codella and Chung-Ching Lin and Allan Halpern and Michael Hind and Rogerio Feris and John R. Smith},
journal= {arXiv preprint arXiv:1805.12234},
year = {2018}
}
备注
Presented at MICCAI 2018, Workshop on Interpretability of Machine Intelligence in Medical Image Computing (IMIMIC): https://imimic.bitbucket.io