用通道注意力解释基于深度学习的脑瘫预测
计算机视觉与模式识别
2021-06-09 v1 机器学习
图像与视频处理
摘要
脑瘫的早期预测至关重要，因其可带来早期治疗与监测。深度学习凭借其以非线性架构建模复杂数据的能力，在生物医学工程中展现出可喜成果。然而，由于其复杂结构，深度学习模型通常无法被人解释，致使临床医生难以信赖这些发现。在本文中，我们提出一种用于深度学习模型的通道注意力模块，以从婴儿身体运动预测脑瘫，其突出了模型认定为重要的关键特征（即身体关节），从而指示出某些诊断结果为何被发现。为凸显深度网络建模输入特征的能力，我们利用原始关节位置而非手工特征。我们用真实世界婴儿运动数据集验证了我们的系统。我们提出的通道注意力模块实现了对网络所考虑的这一疾病关键关节的可视化。我们的系统达到了 91.67% 的准确率，压制了其他最先进的深度学习方法。
引用
@article{arxiv.2106.04471,
title = {Interpreting Deep Learning based Cerebral Palsy Prediction with Channel Attention},
author = {Manli Zhu and Qianhui Men and Edmond S. L. Ho and Howard Leung and Hubert P. H. Shum},
journal= {arXiv preprint arXiv:2106.04471},
year = {2021}
}