使用 SPECT 图像与可解释 AI 的帕金森病识别：一篇教程
图像与视频处理
2021-05-05 v5 机器学习
机器学习
摘要
过去几年中，已有若干利用单光子发射计算机断层扫描（SPECT）图像结合深度学习（DL）方法进行帕金森病（PD）识别的研究。然而，DL 模型的复杂性通常导致其在临床中难以解释。尽管存在多种可用于 DL 模型的解释方法，但尚无证据表明哪种方法适用于 PD 识别应用。本教程旨在展示为 PD 识别模型选择合适解释方法的流程。我们以四种 DCNN 架构为例并介绍了六种知名的解释方法。最后，我们提出了一种衡量解释性能的评估方法，以及一种利用解释反馈辅助模型选择的方法。评估表明，引导反向传播与 SHAP 解释方法在不同方面适用于 PD 识别方法。引导反向传播具有最佳的细粒度重要性展示能力，这由最高的 Dice 系数和最低均方误差所证实。另一方面，SHAP 能在摄取缺失位置生成更高质量的热力图，在区分 PD 与 NC 受试者方面优于其他方法。简言之，所介绍的解释方法不仅有助于 PD 识别应用，也有助于 AI 时代（可解释 AI）中作为反馈的传感器数据处理，以构建适合特定应用的深度学习架构。
引用
@article{arxiv.1908.11199,
title = {Parkinson's Disease Recognition Using SPECT Image and Interpretable AI: A Tutorial},
author = {Theerasarn Pianpanit and Sermkiat Lolak and Phattarapong Sawangjai and Thapanun Sudhawiyangkul and Theerawit Wilaiprasitporn},
journal= {arXiv preprint arXiv:1908.11199},
year = {2021}
}