迈向甲状腺结节诊断中可解释 AI 的信任
计算机视觉与模式识别
2023-03-09 v1 人工智能
摘要
向最终用户解释深度学习模型的预测,是利用人工智能(AI)进行医疗决策过程的一项重要特性,该过程通常被认为不透明且难以理解。本文中,我们应用最先进的可解释人工智能(XAI)方法来解释黑盒 AI 模型在甲状腺结节诊断应用中的预测。我们提出新的基于统计的 XAI 方法,即核密度估计与密度图,以解释未检测到结节的情况。XAI 方法的性能在定性与定量比较下被视为反馈,用于改善数据质量与模型性能。最后,我们开展调查以评估医生与患者对该模型在甲状腺结节图像上决策的 XAI 解释的信任度。
引用
@article{arxiv.2303.04731,
title = {Towards Trust of Explainable AI in Thyroid Nodule Diagnosis},
author = {Truong Thanh Hung Nguyen and Van Binh Truong and Vo Thanh Khang Nguyen and Quoc Hung Cao and Quoc Khanh Nguyen},
journal= {arXiv preprint arXiv:2303.04731},
year = {2023}
}
备注
Accepted by AAAI 2023 The 7th International Workshop on Health Intelligence (W3PHIAI-23)