基于 MRI 的阿尔茨海默病分类中卷积神经网络归因方法的鲁棒性测试
图像与视频处理
2019-09-20 v1 计算机视觉与模式识别
摘要
归因方法是研究和验证机器学习模型易于使用的工具。文献中已提出多种方法，但目前尚不清楚哪种方法最适合给定任务。在本研究中，我们测试了四种归因方法（即 gradient*input、guided backpropagation、layer-wise relevance propagation 和 occlusion）在阿尔茨海默病分类任务中的鲁棒性。我们采用相同的训练设置反复训练卷积神经网络（CNN），以区分阿尔茨海默病患者与健康对照者的结构 MRI 数据。随后，我们为测试数据中每个受试者生成归因图，并在不同模型和归因方法间进行定量比较。我们表明视觉比较并不充分，且一些广泛使用的归因方法会产生高度不一致的结果。
关键词
引用
@article{arxiv.1909.08856,
title = {Testing the robustness of attribution methods for convolutional neural networks in MRI-based Alzheimer's disease classification},
author = {Fabian Eitel and Kerstin Ritter},
journal= {arXiv preprint arXiv:1909.08856},
year = {2019}
}