视网膜成像中用于系统性疾病检测的可解释人工智能
图像与视频处理
2022-12-15 v1 计算机视觉与模式识别
机器学习
摘要
可解释人工智能(Explainable Artificial Intelligence, AI)以一种可解释且半自动的方法，在主要系统性疾病背景下对糖尿病视网膜病变、高血压视网膜病变及其他视网膜病变等眼部疾病进行分期分级。该实验研究旨在评估一种不使用深度卷积神经网络(Convolutional Neural Networks, CNNs)的直接调用的可解释分期分级流程。当前许多用于诊断视网膜疾病的基于CNN的深度神经网络可能具备可观性能，却无法指明驱动其决策的依据。为提升这些决策的透明度，我们提出一种人在回路(clinician-in-the-loop)辅助的智能工作流，对眼底图像进行视网膜血管评估以推导可量化与描述性参数。视网膜血管参数元数据作为超参数，用于更好地解释与说明决策。该半自动方法旨在以更丰富的临床医生输入与解释，在医疗应用中实现联邦化(federated)的AI路径。机器学习流程中涉及的基线过程通过图像处理技术实现视盘检测、血管分割及小动脉/小静脉识别。
引用
@article{arxiv.2212.07058,
title = {Explainable Artificial Intelligence in Retinal Imaging for the detection of Systemic Diseases},
author = {Ayushi Raj Bhatt and Rajkumar Vaghashiya and Meghna Kulkarni and Dr Prakash Kamaraj},
journal= {arXiv preprint arXiv:2212.07058},
year = {2022}
}
备注
8 pages