在医学用例中使用ScrutinAI对DNN性能进行视觉检视
机器学习
2023-08-03 v1 人工智能
计算机与社会
人机交互
摘要
我们的视觉分析(VA)工具ScrutinAI支持人类分析员交互式地研究模型性能与数据集。模型性能在很大程度上取决于标注质量。尤其在医学场景中，生成高质量标注需要深入的专家知识且成本极高。数据集常通过收集专家组意见进行标注。我们使用我们的VA工具分析不同专家间标注差异对模型性能的影响。ScrutinAI便于执行根因分析，将深度神经网络(DNN)模型因标注质量差异或缺失所导致的弱点与真实弱点区分开来。我们在一个公开可用数据集中仔细检视颅内出血的整体检测以及亚型间更细微的区分。
引用
@article{arxiv.2308.01220,
title = {Using ScrutinAI for Visual Inspection of DNN Performance in a Medical Use Case},
author = {Rebekka Görge and Elena Haedecke and Michael Mock},
journal= {arXiv preprint arXiv:2308.01220},
year = {2023}
}
备注
Accepted at AAAI Spring Symposium 2023 AITA: AI Trustworthiness Assessment