利用医学图像中的因果信号：一项带有实证结果的初步研究

我们提出一种新技术，通过神经网络直接从图像中发现并利用弱因果信号以用于分类。据此，我们建模了图像某一部分中某一特征的存在如何影响图像另一不同部分中另一特征的出现。我们的方法由一个卷积神经网络主干和一个因果因子提取模块组成，该模块根据每个特征图在场景中的因果影响计算权重以增强之。我们开发了不同的架构变体，并在两个公开的前列腺癌MRI图像和乳腺组织病理学切片数据集上对所有模型进行癌症诊断的实证评估。我们在全监督和少样本学习两种设定下研究了该模块的有效性，评估了其对现有基于注意力方案的附加作用，进行了消融实验，并通过类激活图探究了模型的可解释性。我们的发现表明，这一轻量级模块能提取有意义的信息并改善整体分类，同时产生更鲁棒、聚焦于图像相关区域的预测。这在医学影像中至关重要，因为准确可靠的分类对于有效诊断和治疗规划必不可少。