KS-GNNExplainer：基于组织病理学图像实例解释的全球模型解释
图像与视频处理
2023-04-18 v1 计算机视觉与模式识别
摘要
实例级图神经网络解释器已被证明有益于在组织病理学图像上解释此类网络。然而，提供模型解释（即同一类别样本间的共性模式）的方法甚少。我们设想基于图的组织病理学图像分析可显著受益于此类解释。另一方面，当前的模型级解释器基于图生成方法，因生成的图在真实世界中无对应图像而不适用于该领域，故此类解释难以传达给专家。遵循此愿景，我们开发了KS-GNNExplainer，首个实例级图神经网络解释器，其有效利用当前实例级方法提供更信息丰富且可靠的可解释输出，这对健康领域中的应用AI至关重要。我们在多个数据集上基于定量与定性指标的试验表明，所提解释器能够作为全局模式提取器，而这是该领域当前实例级方法的根本局限。
引用
@article{arxiv.2304.08240,
title = {KS-GNNExplainer: Global Model Interpretation Through Instance Explanations On Histopathology images},
author = {Sina Abdous and Reza Abdollahzadeh and Mohammad Hossein Rohban},
journal= {arXiv preprint arXiv:2304.08240},
year = {2023}
}