基于指示物定位与自监督学习的可解释人工智能架构用于黑色素瘤诊断
机器学习
2023-03-28 v1 计算机视觉与模式识别
摘要
黑色素瘤是一种普遍致命的癌症类型，若在发展早期阶段诊断则可治疗。皮肤病变是诊断黑色素瘤的典型指示物，但由于黑色素瘤早期癌性与良性病变高度相似，常导致延迟诊断。深度学习（DL）可用作高精度分类皮肤病变图片的解决方案，但深度学习的临床采用面临重大挑战。原因是深度学习模型的决策过程通常不可解释，使其成为难以被信任的黑箱。我们开发了一种用于黑色素瘤诊断的可解释深度学习架构，为其决策生成临床可解释的视觉解释。我们的实验表明，我们提出的架构比现有架构显著更好地匹配临床解释。
引用
@article{arxiv.2303.14615,
title = {Explainable Artificial Intelligence Architecture for Melanoma Diagnosis Using Indicator Localization and Self-Supervised Learning},
author = {Ruitong Sun and Mohammad Rostami},
journal= {arXiv preprint arXiv:2303.14615},
year = {2023}
}