揭示类病理医生解释：一种用于白细胞分类的可解释深度学习系统
图像与视频处理
2023-10-23 v1 计算机视觉与模式识别
摘要
白细胞（WBCs）在保护人体抵御病原体与异物方面起着关键作用。借助丰富的 WBC 成像数据与深度学习算法的能力，自动化 WBC 分析具备卓越精度的潜力。然而，深度学习模型解释其 WBC 分类的能力仍很大程度上未被探索。本研究中，我们引入 HemaX，一种基于可解释深度神经网络的模型，其利用五种属性生成类病理医生的解释：颗粒度、胞质颜色、核形状、相对于红细胞的尺寸以及核质比（N:C），同时进行细胞分类、定位与分割。HemaX 在一个新颖数据集 LeukoX 上训练与评估，该数据集包含 467 张血涂片图像，涵盖十（10）种 WBC 类型。所提模型取得令人印象深刻的成果，平均分类准确率为 81.08%，细胞定位的 Jaccard 指数为 89.16%。此外，HemaX 在生成五种解释上表现良好，N:C 比的归一化均方误差为 0.0317，其余四种属性的准确率超过 80%。与多个当前最优模型的综合对比实验表明，HemaX 的分类准确率不受其提供解释能力的影响。而且，实证分析与血液学专家验证确认了我们所提模型预测解释的忠实性。
引用
@article{arxiv.2310.13279,
title = {Pathologist-Like Explanations Unveiled: an Explainable Deep Learning System for White Blood Cell Classification},
author = {Aditya Shankar Pal and Debojyoti Biswas and Joy Mahapatra and Debasis Banerjee and Prantar Chakrabarti and Utpal Garain},
journal= {arXiv preprint arXiv:2310.13279},
year = {2023}
}
备注
11 pages including supplementary material