基于涌现符号语言的深度医学图像分类
计算机视觉与模式识别
2020-08-25 v1
摘要
现代用于医学图像分类的深度学习系统已展现出区分基于图像的医学类别的卓越能力。然而，它们严重受限于无法解释其决策背后的推理过程。这部分归因于神经网络不可解释的连续潜表示。涌现语言（EL）近来已被证明可通过在指称游戏框架中赋予神经网络符号表示来增强其能力。符号表示是可高度解释的经典人工智能（GOFAI）系统的基石之一。在这项工作中，我们首次展示了在图像分类框架中深度符号表示的涌现语言的出现。我们表明，基于 EL 的分类模型可取得与最先进深度学习模型相当乃至更优的性能。此外，它们提供符号表示，开启了涉及符号操作的、可解释 GOFAI 方法的整个可能性领域。我们在基于免疫细胞标记的细胞分类与使用 CheXpert 数据集的胸部 X 光分类上演示了 EL 分类框架。代码在线发布于 https://github.com/AriChow/EL。
引用
@article{arxiv.2008.09860,
title = {Emergent symbolic language based deep medical image classification},
author = {Aritra Chowdhury and Alberto Santamaria-Pang and James R. Kubricht and Peter Tu},
journal= {arXiv preprint arXiv:2008.09860},
year = {2020}
}