为可解释人工智能生成放射科医生质量的报告
人工智能
2018-06-04 v1
摘要
当前解释医学任务深度学习系统决策的方法侧重于可视化对每个决策有贡献的元素。我们认为此类方法不足以“打开”医疗决策系统的黑箱，因为它们缺少一个几个世纪以来作为医生间标准交流工具的关键组件：语言。我们提出一种模型无关的可解释性方法，其涉及训练一个简单的循环神经网络模型来生成描述性句子，以阐明深度学习分类器的决策。我们在从正面骨盆X光片检测髋部骨折的任务上测试了我们的方法。尽管生成的文本包含原始深度学习分类模型未被专门训练去检测的元素，该过程仅需极少的额外标注。实验结果表明：1) 我们的方法生成的句子始终包含所需信息；2) 与当前生成显著图的工具相比，医生更偏好生成的句子；3) 可视化与生成文本的结合优于单独使用任一者。
引用
@article{arxiv.1806.00340,
title = {Producing radiologist-quality reports for interpretable artificial intelligence},
author = {William Gale and Luke Oakden-Rayner and Gustavo Carneiro and Andrew P Bradley and Lyle J Palmer},
journal= {arXiv preprint arXiv:1806.00340},
year = {2018}
}