可解释的椎体骨折诊断
图像与视频处理
2022-03-31 v1 计算机视觉与模式识别
摘要
黑盒神经网络模型是否学到了用于骨折诊断的临床相关特征？答案不仅确立可靠性、满足科学好奇心，还能产生可解释且详尽的结论，辅助放射科医生做出最终诊断并增强信任。本工作识别了网络在CT图像中用于椎体骨折诊断的概念。这是通过将概念与数据集中与特定诊断高度相关的神经元相关联来实现的。这些概念或由放射科医生预先关联到神经元，或在特定预测过程中被可视化并留给用户解释。我们评估了哪些概念导致正确诊断，哪些概念导致假阳性。所提出的框架与分析为可靠且可解释的椎体骨折诊断铺平了道路。
引用
@article{arxiv.2203.16273,
title = {Interpretable Vertebral Fracture Diagnosis},
author = {Paul Engstler and Matthias Keicher and David Schinz and Kristina Mach and Alexandra S. Gersing and Sarah C. Foreman and Sophia S. Goller and Juergen Weissinger and Jon Rischewski and Anna-Sophia Dietrich and Benedikt Wiestler and Jan S. Kirschke and Ashkan Khakzar and Nassir Navab},
journal= {arXiv preprint arXiv:2203.16273},
year = {2022}
}
备注
Check out the project's webpage for the code and demo: https://github.com/CAMP-eXplain-AI/Interpretable-Vertebral-Fracture-Diagnosis