深度视网膜图像诊断中的病理证据探索
计算机视觉与模式识别
2020-03-16 v1 机器学习
摘要
尽管深度学习在分类特定疾病的标签与严重程度分期上已展现出成功表现，但大多数方法很少提供关于如何做出预测的证据。在此，我们提出利用深度学习在医学诊断中应用的可解释性。受医学研究中用于识别病原体性质的著名策略科赫法则（Koch's Postulates）启发，我们定义了一种可从糖尿病视网膜病变检测器的激活神经元中提取的病理描述子。为可视化该描述子中编码的症状与特征，我们提出一种基于 GAN 的方法，在给定描述子和二值血管分割的条件下合成病理视网膜图像。此外，利用该描述子，我们可以任意操控病灶的位置与数量。经一组5名持证眼科医生验证，我们合成的图像携带与糖尿病视网膜病变诊断直接相关的症状。该小组调查还表明，我们生成的图像在定性与定量上均优于现有方法。
引用
@article{arxiv.1812.02640,
title = {Pathological Evidence Exploration in Deep Retinal Image Diagnosis},
author = {Yuhao Niu and Lin Gu and Feng Lu and Feifan Lv and Zongji Wang and Imari Sato and Zijian Zhang and Yangyan Xiao and Xunzhang Dai and Tingting Cheng},
journal= {arXiv preprint arXiv:1812.02640},
year = {2020}
}
备注
to appear in AAAI (2019). The first two authors contributed equally to the paper. Corresponding Author: Feng Lu