探究糖尿病视网膜病变分类中的概念解释方法

糖尿病视网膜病变是糖尿病的常见并发症，利用眼底成像监测视网膜异常的进展至关重要。由于图像必须由医学专家解读，因此对所有糖尿病患者进行糖尿病视网膜病变筛查是不可行的。深度学习在眼底图像的自动分析和分级方面显示出令人印象深刻的结果。然而，一个缺点是缺乏可解释性，这阻碍了此类系统在临床中的应用。可解释人工智能方法可用于解释深度神经网络。基于概念的解释已被证明对人类理解是直观的，但尚未在糖尿病视网膜病变分级中进行详细探索。这项工作研究并比较了两种基于概念的解释技术，用于解释为糖尿病视网膜病变自动诊断而开发的深度神经网络：使用概念激活向量进行定量测试和概念瓶颈模型。我们发现这两种方法都有优缺点，方法的选择应考虑可用数据和最终用户的偏好。