PSO-Net：基于注意力可解释深度神经网络的银屑病自动评估系统开发
图像与视频处理
2025-02-03 v1 计算机视觉与模式识别
摘要
银屑病是一种需要长期治疗和监测的慢性皮肤疾病。虽然银屑病面积和严重程度指数（PASI）被用作临床试验中评估银屑病严重程度的标准测量，但存在诸多缺点，如（1）患者需就医以进行银屑病评估的负担、（2）评估者计分所需时间以及（3）评分间際及评估者间的可变性。为解决这些问题，我们提出了一种名为PSO-Net的新型可解释深度学习架构，该架构通过注意力机制将来自不同解剖区域的数字图像映射到注意力得分。区域得分随后被组合用于估计绝对PASI得分。此外，我们设计了一种基于排序注意力得分的新型回归激活图，用于实现可解释性。通过此方法，我们分别以两种不同临床评估者的实际测试，实现了82.2%[95%置信区间：77%-87%]和87.8%[95%置信区间：84%-91%]的跨类相关得分。
引用
@article{arxiv.2501.18782,
title = {PSO-Net: Development of an automated psoriasis assessment system using attention-based interpretable deep neural networks},
author = {Sharif A. Kamran and Molly V. Lucas and Brendon Lutnick and Chaitanya Parmar and Basudha Pal and Asha Patel Shah and David Apfel and Steven Fakharzadeh and Lloyd Miller and Stephen Yip and Kristopher Standish and Gabriela Oana Cula},
journal= {arXiv preprint arXiv:2501.18782},
year = {2025}
}
备注
Accepted to IEEE ISBI 2025. 5 Pages, 3 figures, 2 tables