用于脑肿瘤 MRI 与 COVID-19 胸部 X 光图像的视觉可解释深度学习模型
机器学习
2023-08-08 v2
摘要
深度学习在医学图像分析中展现出潜力，但缺乏可解释性，阻碍了其在医疗领域的应用。解释模型推理过程的归因技术或可增强临床相关方对深度学习的信任。本文旨在评估用于阐明深度神经网络如何分析医学图像的归因方法。利用基于自适应路径的梯度积分，我们对近期深度卷积神经网络模型在脑肿瘤 MRI 与 COVID-19 胸部 X 光数据集上做出的预测进行了归因。该技术突出了可能的生物标志物，暴露了模型偏差，并提供了输入与预测之间关联的洞见。我们的分析证明了该方法在这些数据集上阐明模型推理的能力。所得归因通过揭示预测背后的依据，展现出为领域专家提升深度学习透明度的前景。本研究推进了模型可解释性，以增强医疗相关方对深度学习的信任。
引用
@article{arxiv.2208.00953,
title = {Visual Interpretable and Explainable Deep Learning Models for Brain Tumor MRI and COVID-19 Chest X-ray Images},
author = {Yusuf Brima and Marcellin Atemkeng},
journal= {arXiv preprint arXiv:2208.00953},
year = {2023}
}