脑肿瘤MRI和COVID-19胸部X射线图像的可视化可解释深度学习模型
摘要：深度学习在医学图像分析方面显示出潜力，但缺乏可解释性，这阻碍了其在医疗保健领域的应用。解释模型推理的归因技术可以增加临床利益相关者对深度学习的信任。本文旨在评估用于阐明深度神经网络分析医学图像方式的归因方法。我们使用自适应基于路径的梯度积分，对由最近的深度卷积神经网络模型进行的脑肿瘤MRI和COVID-19胸部X射线数据集的预测进行了归因。该技术突出了可能的生物标志物，揭示了模型的偏见，并提供了输入和预测之间的联系的见解。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。由此产生的归因显示了提高深度学习透明度以揭示预测背后理由的潜力，从而增加了医疗保健利益相关者对深度学习的信任。
作者：Yusuf Brima and Marcellin Atemkeng
论文ID：2208.00953
分类：Machine Learning
分类简称：cs.LG
提交时间：2023-08-08