使用可解释 3D Unet 的胃肠道分割
图像与视频处理
2023-09-27 v1 计算机视觉与模式识别
摘要
在采用放疗治疗胃肠道癌症时，放射肿瘤科医生的职责是通过 X 射线束向肿瘤施以高剂量辐射，同时避开胃与肠道。随着 MR-Linac 等精准放疗技术的出现，肿瘤科医生可每日可视化肿瘤与肠道的位置，而这些位置可能逐日变化。在施行放疗前，放射肿瘤科医生必须手动勾画胃肠道器官的位置，以确定 X 射线束的位置与方向。这是一个耗时且劳动密集的过程，可能大幅延长患者的治疗时间。深度学习方法 (DL) 可将该过程自动化并加速。然而，当前许多深度神经网络方法属于黑箱，缺乏可解释性，这在医疗环境中令其难以被信任且不实用。为此，可引入称为可解释 AI (XAI) 的新兴 AI 领域以提升模型的透明度与可用性。本文提出一种融合 XAI 的深度学习流程，以应对器官分割的挑战。
引用
@article{arxiv.2309.14474,
title = {Gastro-Intestinal Tract Segmentation Using an Explainable 3D Unet},
author = {Kai Li and Jonathan Chan},
journal= {arXiv preprint arXiv:2309.14474},
year = {2023}
}
备注
5 pages, 8 figures, 13th Joint Symposium on Computational Intelligence (JSCI13)