ICADx:可解释的乳腺肿块计算机辅助诊断
计算机视觉与模式识别
2018-05-24 v1
摘要
在本研究中,设计了一种新颖的计算机辅助诊断(CADx)框架,以研究乳腺肿块分类的可解释性。近来,深度学习技术已成功应用于包括 CADx 在内的医学图像分析。然而,现有的基于深度学习的 CADx 方法在解释诊断决策方面存在局限。在实际临床实践中,临床决策需基于合理的解释做出,因此当前的深度学习 CADx 方法在真实世界部署中受限。本文中,我们通过所提出的可解释 CADx(ICADx)框架研究 CADx 中的可解释性。该框架基于生成对抗网络设计,由可解释诊断网络与合成病灶生成网络组成,以学习恶性程度与标准化描述(BI-RADS)之间的关系。病灶生成网络与可解释诊断网络在对抗学习中相互竞争,从而提升两个网络。所提方法的有效性在公共乳腺 X 线摄影数据库上得到验证。实验结果表明,所提 ICADx 框架可提供肿块的可解释性以及肿块分类。这主要归因于所提方法通过对抗学习有效训练以发现恶性程度与解释之间的关系。这些结果表明,所提 ICADx 框架可成为开发 CADx 系统的一种有前景的方法。
引用
@article{arxiv.1805.08960,
title = {ICADx: Interpretable computer aided diagnosis of breast masses},
author = {Seong Tae Kim and Hakmin Lee and Hak Gu Kim and Yong Man Ro},
journal= {arXiv preprint arXiv:1805.08960},
year = {2018}
}
备注
This paper was presented at SPIE Medical Imaging 2018, Houston, TX, USA