XProtoNet：基于全局与局部解释的胸部 X 线摄影诊断
计算机视觉与模式识别
2021-03-22 v1
摘要
利用深度神经网络在胸部 X 线摄影中进行的自动化诊断可帮助放射科医生检测危及生命的疾病。然而，现有方法仅提供预测而缺乏准确的解释，削弱了诊断方法的可信度。在此，我们提出 XProtoNet，一种用于胸部 X 线摄影的全局与局部可解释诊断框架。XProtoNet 从 X 射线图像中学习每种疾病的代表性模式（即原型），并基于这些模式对给定 X 射线图像进行诊断。它预测疾病征象可能出现的区域，并将该预测区域内的特征与原型进行比较。它可提供全局解释（即原型）和局部解释（即原型如何对单张图像的预测做出贡献）。尽管存在可解释性约束，XProtoNet 在公开 NIH 胸部 X 射线数据集上取得了最先进的分类性能。
引用
@article{arxiv.2103.10663,
title = {XProtoNet: Diagnosis in Chest Radiography with Global and Local Explanations},
author = {Eunji Kim and Siwon Kim and Minji Seo and Sungroh Yoon},
journal= {arXiv preprint arXiv:2103.10663},
year = {2021}
}
备注
10 pages, 7 figures. Accepted to CVPR2021