COVID-19 的超声诊断：鲁棒性与可解释性
图像与视频处理
2020-12-03 v1 计算机视觉与模式识别
机器学习
摘要
在医疗点诊断 COVID-19 对于控制全球大流行至关重要。医疗点超声（POCUS）可提供肺部快速影像，以可重复且经济的方式检测患者是否感染 COVID-19。先前的工作已利用公开的 POCUS 视频数据集训练用于诊断的 AI 模型，获得了高灵敏度。鉴于该应用的高风险性，我们提出使用鲁棒且可解释的技术。我们通过实验证明，鲁棒模型具有更稳定的预测并提供了改进的可解释性。基于对抗扰动的对比解释框架被用于解释模型预测，且与人类视觉感知相一致。
引用
@article{arxiv.2012.01145,
title = {Ultrasound Diagnosis of COVID-19: Robustness and Explainability},
author = {Jay Roberts and Theodoros Tsiligkaridis},
journal= {arXiv preprint arXiv:2012.01145},
year = {2020}
}