論文の概要: Evaluating Post-hoc Interpretability with Intrinsic Interpretability

• arxiv url: http://arxiv.org/abs/2305.03002v1
• Date: Thu, 4 May 2023 17:20:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-05 14:38:49.747812
• Title: Evaluating Post-hoc Interpretability with Intrinsic Interpretability
• Title（参考訳）: 内在的解釈性を用いたポストホック解釈性の評価
• Authors: Jos\'e Pereira Amorim and Pedro Henriques Abreu and Jo\~ao Santos and Henning M\"uller
• Abstract要約: 畳み込みニューラルネットワークは、いくつかの医療タスクにおいて人間レベルの性能に達したが、その臨床的使用は、その解釈可能性の欠如によって妨げられている。 この問題に対処するために、ポストホック法と本質的な方法の2つの主要な解釈可能性戦略が提案されている。 病理組織像の文脈に本態性解釈可能なProtoPNetを適用し,それによる属性マップとポストホック法によるサリエンシマップを比較した。
• 参考スコア（独自算出の注目度）: 0.4588028371034407
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite Convolutional Neural Networks having reached human-level performance in some medical tasks, their clinical use has been hindered by their lack of interpretability. Two major interpretability strategies have been proposed to tackle this problem: post-hoc methods and intrinsic methods. Although there are several post-hoc methods to interpret DL models, there is significant variation between the explanations provided by each method, and it a difficult to validate them due to the lack of ground-truth. To address this challenge, we adapted the intrinsical interpretable ProtoPNet for the context of histopathology imaging and compared the attribution maps produced by it and the saliency maps made by post-hoc methods. To evaluate the similarity between saliency map methods and attribution maps we adapted 10 saliency metrics from the saliency model literature, and used the breast cancer metastases detection dataset PatchCamelyon with 327,680 patches of histopathological images of sentinel lymph node sections to validate the proposed approach. Overall, SmoothGrad and Occlusion were found to have a statistically bigger overlap with ProtoPNet while Deconvolution and Lime have been found to have the least.
• Abstract（参考訳）: 畳み込みニューラルネットワークは、いくつかの医療タスクで人間レベルのパフォーマンスに達しているが、その臨床使用は、解釈可能性の欠如によって妨げられている。 この問題に対処するための2つの主要な解釈可能性戦略が提案されている。 DLモデルを解釈するポストホック法はいくつかあるが,各手法による説明には有意な違いがあり,地絡みの欠如による検証が困難である。 この課題に対処するために, 組織病理イメージングに内在的解釈可能なプロトプネットを応用し, その帰属地図とポストホック法による塩分マップを比較した。 塩分マップ法と帰属地図の類似性を評価するために, 塩分モデル文献から得られた10の塩分指標を適用し, 乳がん転移検出データセットpatchcamelyonを用いて, センチネルリンパ節切片の病理像を327,680パッチで解析し, 提案手法を検証した。 全体として、SmoothGradとOcclusionはProtoPNetと統計的に重なることが判明し、DeconvolutionとLimeは最小であることがわかった。

関連論文リスト

• Revisiting Adaptive Cellular Recognition Under Domain Shifts: A Contextual Correspondence View [49.03501451546763]
  生物学的文脈における暗黙の対応の重要性を明らかにする。 モデル構成成分間のインスタンス認識トレードオフを確保するために, 自己適応型動的蒸留を提案する。
  論文  参考訳（メタデータ） (2024-07-14T04:41:16Z)
• ssVERDICT: Self-Supervised VERDICT-MRI for Enhanced Prostate Tumour Characterisation [2.755232740505053]
  トレーニングデータなしでVERDICT推定パラメータマップを適合させる自己教師型ニューラルネットワーク。 本研究では,SsVERDICTの性能を拡散MRIモデルに適合する2つの確立されたベースライン法と比較する。
  論文  参考訳（メタデータ） (2023-09-12T14:31:33Z)
• The Whole Pathological Slide Classification via Weakly Supervised Learning [7.313528558452559]
  細胞核疾患と病理タイルの空間的相関の2つの病因を考察した。 本研究では,抽出器訓練中の汚れ分離を利用したデータ拡張手法を提案する。 次に,隣接行列を用いてタイル間の空間的関係を記述する。 これら2つのビューを統合することで,H&E染色組織像を解析するためのマルチインスタンス・フレームワークを設計した。
  論文  参考訳（メタデータ） (2023-07-12T16:14:23Z)
• Rethinking Semi-Supervised Medical Image Segmentation: A Variance-Reduction Perspective [51.70661197256033]
  医用画像セグメンテーションのための階層化グループ理論を用いた半教師付きコントラスト学習フレームワークARCOを提案する。 まず、分散還元推定の概念を用いてARCOを構築することを提案し、特定の分散還元技術が画素/ボクセルレベルのセグメンテーションタスクにおいて特に有用であることを示す。 5つの2D/3D医療データセットと3つのセマンティックセグメンテーションデータセットのラベル設定が異なる8つのベンチマークで、我々のアプローチを実験的に検証する。
  論文  参考訳（メタデータ） (2023-02-03T13:50:25Z)
• PCA: Semi-supervised Segmentation with Patch Confidence Adversarial Training [52.895952593202054]
  医用画像セグメンテーションのためのPatch Confidence Adrial Training (PCA) と呼ばれる半教師付き対向法を提案する。 PCAは各パッチの画素構造とコンテキスト情報を学習し、十分な勾配フィードバックを得る。 本手法は, 医用画像のセグメンテーションにおいて, 最先端の半教師付き手法より優れており, その有効性を示している。
  論文  参考訳（メタデータ） (2022-07-24T07:45:47Z)
• Stain based contrastive co-training for histopathological image analysis [61.87751502143719]
  本稿では,ヒストリボリューション画像の分類のための,新しい半教師付き学習手法を提案する。 我々は、半教師付き学習フレームワークを作成するために、パッチレベルのアノテーションと、新しいコトレーニング損失を併用した強力な監視を採用する。 透明細胞腎細胞および前立腺癌に対するアプローチを評価し,最先端の半教師あり学習法の改善を実証した。
  論文  参考訳（メタデータ） (2022-06-24T22:25:31Z)
• Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
  そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。 医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2022-03-29T08:41:17Z)
• Assessing the validity of saliency maps for abnormality localization in medical imaging [6.299152745637685]
  残差マップは、入力画像のどの領域がトレーニングされたニューラルネットワークの予測に最も関係しているかを評価するために広く使われている方法となっている。 本研究では,RSNA Pneumonia データセット上で,既存のサリエンシマップ手法の信頼性について検討した。
  論文  参考訳（メタデータ） (2020-05-29T20:17:26Z)
• Evolved Explainable Classifications for Lymph Node Metastases [1.933681537640272]
  説明可能な人工知能のための「進化説明」モデル(EvEx) CNNは、リンパ節転移組織の存在/存在のバイナリ分類を提供するためにデータセットを訓練した。 熱マップは専門医のセグメンテーションと一致し、この手法が高品質な説明を見つけることができることを示した。
  論文  参考訳（メタデータ） (2020-05-14T19:27:24Z)
• Weakly supervised multiple instance learning histopathological tumor segmentation [51.085268272912415]
  スライド画像全体のセグメント化のための弱教師付きフレームワークを提案する。 トレーニングモデルに複数のインスタンス学習スキームを利用する。 提案するフレームワークは,The Cancer Genome AtlasとPatchCamelyonデータセットのマルチロケーションとマルチ中心公開データに基づいて評価されている。
  論文  参考訳（メタデータ） (2020-04-10T13:12:47Z)
• Interpreting Medical Image Classifiers by Optimization Based Counterfactual Impact Analysis [2.512212190779389]
  医用画像に適合したモデル唾液度マッピングフレームワークを提案する。 本手法は, 工芸品を不明瞭に回避する, 強い近傍条件の塗工法に置き換える。
  論文  参考訳（メタデータ） (2020-04-03T14:59:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。