基于原型与非专家监督的皮肤癌检测可解释AI

通过皮肤镜图像分析进行皮肤癌检测是一项关键任务。然而，用于此目的的现有模型通常缺乏可解释性和可靠性，其黑箱特性引起了医生的担忧。在本文中，我们提出了一种使用可解释的原型部分模型诊断黑色素瘤的新方法。我们通过整合以下内容，引入了一种基于非专家反馈的引导式监督：1) 使用分割网络自动获得的二值掩码；以及 2) 用户细化的原型。这两种不同的信息路径旨在确保学习到的原型对应于皮肤病变内的相关区域，排除其边界之外的混杂因素。实验结果表明，即使没有专家监督，我们的方法与非可解释模型相比，也实现了优越的性能和泛化能力。