理解 3D CNN 在脑 PET 扫描阿尔茨海默病诊断中的行为
图像与视频处理
2019-12-30 v2 计算机视觉与模式识别
机器学习
摘要
近来，卷积神经网络（CNN）在医学图像分析中展现出令人印象深刻的性能。然而，对于 CNN 为何以及如何对图像分析任务表现如此良好，缺乏清晰的理解。CNN 如何分析图像并区分不同类别的样本通常被认为是非透明的。因此，基于 CNN 的方法难以应用于临床流程和自动化疾病诊断系统。在本文中，我们考虑此问题并致力于可视化与理解卷积神经网络用于阿尔茨海默病（AD）诊断的决策。我们开发了使用脑 PET 扫描的 3D 深度卷积神经网络用于 AD 诊断，并提议使用五种可视化技术——敏感性分析（反向传播）、引导反向传播、遮挡、脑区遮挡和逐层相关性传播（LRP）——通过高亮 PET 数据中的相关区域来理解 CNN 的决策。
引用
@article{arxiv.1912.04563,
title = {Understanding 3D CNN Behavior for Alzheimer's Disease Diagnosis from Brain PET Scan},
author = {Jyoti Islam and Yanqing Zhang},
journal= {arXiv preprint arXiv:1912.04563},
year = {2019}
}
备注
Science Meets Engineering of Deep Learning (SEDL) Workshop at NeurIPS 2019