通过可解释 AI 特征保持损失实现医学图像去噪
图像与视频处理
2023-11-09 v2 计算机视觉与模式识别
摘要
去噪算法在医学图像处理与分析中起着关键作用。然而，经典去噪算法常忽略解释性与关键医学特征的保持，可能导致误诊与法律责任。本工作中，我们提出一种面向医学图像的新去噪方法，其不仅能高效去除各类噪声，还能在整个过程中保持关键医学特征。为实现该目标，我们利用基于梯度的可解释人工智能（eXplainable Artificial Intelligence，XAI）方法设计特征保持损失函数。我们的特征保持损失函数受基于梯度的 XAI 对噪声敏感这一特性启发。通过反向传播，去噪前后医学图像特征可保持一致。我们在三个可用医学图像数据集上进行了广泛实验，包含合成的 13 种不同类型噪声与伪影。实验结果证明了我们的方法在去噪性能、模型可解释性与泛化性方面的优越性。
引用
@article{arxiv.2310.20101,
title = {Medical Image Denosing via Explainable AI Feature Preserving Loss},
author = {Guanfang Dong and Anup Basu},
journal= {arXiv preprint arXiv:2310.20101},
year = {2023}
}