深度学习模型使用何种证据对皮肤病变进行分类？
计算机视觉与模式识别
2019-02-14 v3 定量方法
摘要
黑色素瘤是一种发病率增长最为迅速的皮肤癌。利用皮肤镜图像早期检测黑色素瘤可显著提高患者生存率。然而，肉眼准确分类皮肤病变，尤其在黑色素瘤早期阶段，对皮肤科医生而言极具挑战。因此，发现可靠生物标志物对黑色素瘤诊断具有重要意义。近年来，深度学习赋能的计算机辅助诊断在基于生物医学影像的决策中已显现价值。然而，许多研究聚焦于提升疾病检测准确率，而非探索病理学证据。本文提出一种解释深度学习分类发现的方法。首先，我们提出一种准确的神经网络架构以分类皮肤病变。其次，我们利用预测差异分析方法，通过对图像上每个图像块进行分块破坏来检测生物标志物。最后，我们验证了所发现的生物标志物与文献中的模式相对应。这些发现对指导临床诊断具有重要且实用的价值。
引用
@article{arxiv.1811.01051,
title = {What evidence does deep learning model use to classify Skin Lesions?},
author = {Xiaoxiao Li and Junyan Wu and Eric Z. Chen and Hongda Jiang},
journal= {arXiv preprint arXiv:1811.01051},
year = {2019}
}
备注
5 pages