利用可解释人工智能揭示视网膜OCT疾病分类深度学习模型
图像与视频处理
2022-03-03 v1 计算机视觉与模式识别
摘要
在医学诊断领域，采用各种深度学习技术相当普遍且有效，将其应用于视网膜光学相干断层扫描（OCT）领域同样如此；但是（i）这些技术具有黑箱特性，使医疗专业人员无法完全信任其生成的结果；（ii）这些方法缺乏精度，限制了其在临床和复杂病例中的实施；（iii）现有的OCT分类工作与模型相当庞大且复杂，需要可观的内存与计算能力，降低了实时应用中分类器的质量。针对这些问题，本文提出一个自行开发的CNN模型，其相对较小且简单，并结合使用Lime将可解释人工智能（Explainable AI）引入本研究，有助于提高模型的可解释性。这一补充将成为医学专家获取主要和详细信息的助力，帮助他们做出最终决策，并降低传统深度学习模型的不透明性与脆弱性。
引用
@article{arxiv.2111.03890,
title = {Demystifying Deep Learning Models for Retinal OCT Disease Classification using Explainable AI},
author = {Tasnim Sakib Apon and Mohammad Mahmudul Hasan and Abrar Islam and MD. Golam Rabiul Alam},
journal= {arXiv preprint arXiv:2111.03890},
year = {2022}
}