基于MRI数据通过解释引导训练改进神经网络的胶质瘤分类模型
计算机视觉与模式识别
2023-04-18 v2
摘要
近年来，人工智能（AI）系统已走到前沿。这些主要基于深度学习（DL）的系统在图像处理、自然语言处理或语音识别等领域取得了优异成果。尽管深度学习模型具有统计上的高准确率，其输出常是“黑箱”决策。因此，可解释性方法已成为洞察深度学习模型决策过程的流行途径。在医学领域，深度学习的解释是必需的，因为专家必须向患者证明其判断的合理性。本工作中，我们提出一种解释引导训练方法，使用逐层相关性传播（LRP）技术迫使模型仅关注图像的相关部分。我们在用于低级别与高级别胶质瘤分类的卷积神经网络（CNN）模型上实验验证了该方法。我们的实验展示了在模型训练过程中使用解释技术的可喜结果。
引用
@article{arxiv.2107.02008,
title = {Improving a neural network model by explanation-guided training for glioma classification based on MRI data},
author = {Frantisek Sefcik and Wanda Benesova},
journal= {arXiv preprint arXiv:2107.02008},
year = {2023}
}
备注
8 pages, 7 figures