基于皮肤科医生反馈微调可解释 CNN 以提升皮肤病变分类信任度
计算机视觉与模式识别
2023-04-05 v1
摘要
在本文中，我们提出一种 CNN 微调方法，使用户能够同时对两个输出给出反馈：分类本身以及分类的视觉解释。我们展示了该反馈策略在皮肤病变分类任务中的效果，并衡量 CNN 对两类用户反馈的反应。为实现该方法，我们提出一种新颖的 CNN 架构，其在训练循环中集成了 Grad-CAM 技术以解释模型决策。利用模拟用户反馈，我们发现同时在分类与解释上微调模型可改善视觉解释，同时保持分类精度，从而潜在地提升用户使用基于 CNN 的皮肤病变分类器的信任度。
引用
@article{arxiv.2304.01399,
title = {Fine-tuning of explainable CNNs for skin lesion classification based on dermatologists' feedback towards increasing trust},
author = {Md Abdul Kadir and Fabrizio Nunnari and Daniel Sonntag},
journal= {arXiv preprint arXiv:2304.01399},
year = {2023}
}