基于神经符号学习的可解释糖尿病视网膜病变分类
机器学习
2022-04-05 v1 人工智能
计算机视觉与模式识别
符号计算
图像与视频处理
摘要
本文中，我们提出一种基于神经符号学习的可解释、可解读糖尿病视网膜病变（ExplainDR）分类模型。为获得可解释性，决策中应考虑高层符号表示。具体地，我们引入一种人类可读的符号表示，其遵循与眼部健康状况相关的糖尿病视网膜病变特征分类法风格以实现可解释性。随后，我们将从该符号表示获得的人类可读特征纳入疾病预测。在一个糖尿病视网膜病变分类数据集上的实验结果表明，相较于应用于 IDRiD 数据集的 SOTA 方法，我们提出的 ExplainDR 方法展现出有前景的性能，同时提供了可解读性与可解释性。
引用
@article{arxiv.2204.00624,
title = {Explainable and Interpretable Diabetic Retinopathy Classification Based on Neural-Symbolic Learning},
author = {Se-In Jang and Michael J. A. Girard and Alexandre H. Thiery},
journal= {arXiv preprint arXiv:2204.00624},
year = {2022}
}
备注
Published in AAAI-22 Workshop