基于生成对抗网络与逐层相关性传播的可解释医学图像分割
图像与视频处理
2021-11-03 v1 计算机视觉与模式识别
机器学习
摘要
本文通过提出基于生成对抗网络的模型来分割内窥镜图像中的息肉和器械，为医学图像分割的自动化做出了贡献。本工作的一个主要贡献是，使用逐层相关性传播方法为预测提供解释，指明哪些输入图像像素与预测相关及其相关程度。在息肉分割任务上，模型达到了0.84的准确率和0.46的Jaccard指数。在器械分割任务上，模型达到了0.96的准确率和0.70的Jaccard指数。代码可在https://github.com/Awadelrahman/MedAI获取。
引用
@article{arxiv.2111.01665,
title = {Explainable Medical Image Segmentation via Generative Adversarial Networks and Layer-wise Relevance Propagation},
author = {Awadelrahman M. A. Ahmed and Leen A. M. Ali},
journal= {arXiv preprint arXiv:2111.01665},
year = {2021}
}
备注
Nordic Machine Intelligence