用于组织病理学双向解释回归概念向量
机器学习
2019-04-10 v1 计算机视觉与模式识别
机器学习
摘要
以领域相关概念对深度神经网络预测进行解释，在医学应用中具有重要价值，因为合理的依据对于决策置信度至关重要。本工作中，我们提出一种方法，在某一层的激活空间中利用连续概念度量作为回归概念向量（Regression Concept Vectors, RCVs）。决策函数沿 RCVs 的方向导数表示网络对给定概念度量值增大的敏感度。当应用于乳腺癌分级时，核纹理作为检测乳腺淋巴结样本中肿瘤组织的相关概念浮现出来。我们通过统计分析评估分数的鲁棒性与一致性。
引用
@article{arxiv.1904.04520,
title = {Regression Concept Vectors for Bidirectional Explanations in Histopathology},
author = {Mara Graziani and Vincent Andrearczyk and Henning Müller},
journal= {arXiv preprint arXiv:1904.04520},
year = {2019}
}
备注
9 pages, 3 figures, 3 tables