用于乳腺DCE-MRI弱监督病灶检测的模型无关显著性方法
计算机视觉与模式识别
2019-02-05 v3
摘要
关于如何解释深度学习模型（DLM）所提供的决策存在激烈争论，其主要方法依赖于显著区域的可视化来解释DLM的分类过程。然而，这些方法通常无法满足从医学图像进行病灶检测问题的三个条件：1）对于含病灶图像，所有显著区域应代表病灶；2）对于不含病灶图像，不应产生任何显著区域；3）病灶通常较小且边界相对平滑。我们提出了一种新的模型无关范式来解释DLM分类决策，其由一种融合了上述条件的显著性新定义所支持。我们的模型无关单类显著性检测器（MASD）在DCE-MRI弱监督乳腺病灶检测上进行了测试，与当前可视化方法相比取得了最先进的检测精度。
引用
@article{arxiv.1807.07784,
title = {Model Agnostic Saliency for Weakly Supervised Lesion Detection from Breast DCE-MRI},
author = {Gabriel Maicas and Gerard Snaauw and Andrew P. Bradley and Ian Reid and Gustavo Carneiro},
journal= {arXiv preprint arXiv:1807.07784},
year = {2019}
}