基于肾脏结石图像原型部位检测的可解释深度学习分类器
计算机视觉与模式识别
2022-06-03 v2 人工智能
机器学习
摘要
识别肾结石类型可使泌尿科医生确定其形成原因，从而改善早期适宜治疗的处方以減少未来复发。然而，目前相关的离体诊断（称为形态-成分分析，MCA）耗时、昂贵且需要丰富经验，因其包含的视觉分析环节高度依赖操作者。近来，已有用于体内内镜结石识别的机器学习方法被开发。浅层方法已被证明可靠且可解释，但准确率较低；而基于深度学习的方法准确率高却不可解释。然而，高风险决策需要可理解的计算机辅助诊断（CAD）基于合理证据给出行动建议，而非仅仅开出处方的。在此，我们探究学习部位原型（PPs）以实现可解释模型的方法。我们的方案对肾石斑块图像给出分类，并提供类似于MCA方法所用的解释。
引用
@article{arxiv.2206.00252,
title = {Interpretable Deep Learning Classifier by Detection of Prototypical Parts on Kidney Stones Images},
author = {Daniel Flores-Araiza and Francisco Lopez-Tiro and Elias Villalvazo-Avila and Jonathan El-Beze and Jacques Hubert and Gilberto Ochoa-Ruiz and Christian Daul},
journal= {arXiv preprint arXiv:2206.00252},
year = {2022}
}
备注
Extended abstract accepted at LatinX in Computer Vision Research Workshop, at CVPR 2022