Fugu-MT 論文翻訳(概要): Signature Activation: A Sparse Signal View for Holistic Saliency

論文の概要: Signature Activation: A Sparse Signal View for Holistic Saliency

arxiv url: http://arxiv.org/abs/2309.11443v1
Date: Wed, 20 Sep 2023 16:17:26 GMT
ステータス: 処理完了
システム内更新日: 2023-09-21 12:26:01.824736
Title: Signature Activation: A Sparse Signal View for Holistic Saliency
Title（参考訳）: Signature Activation: ホリスティック・サリエンシのためのスパース信号ビュー
Authors: Jose Roberto Tello Ayala, Akl C. Fahed, Weiwei Pan, Eugene V. Pomerantsev, Patrick T. Ellinor, Anthony Philippakis, Finale Doshi-Velez
Abstract要約: 本稿では,CNN出力の全体的およびクラス非依存的な説明を生成するサリエンシ手法であるSignature Activationを紹介する。本手法は, 血管造影などの特定の医療画像が, 前景や背景の鮮明な物体を持っているという事実を生かしている。冠状血管造影検査における病変検出への有効性を評価することにより,臨床現場での本法の有用性を示す。
参考スコア（独自算出の注目度）: 18.699129959911485
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The adoption of machine learning in healthcare calls for model transparency and explainability. In this work, we introduce Signature Activation, a saliency method that generates holistic and class-agnostic explanations for Convolutional Neural Network (CNN) outputs. Our method exploits the fact that certain kinds of medical images, such as angiograms, have clear foreground and background objects. We give theoretical explanation to justify our methods. We show the potential use of our method in clinical settings through evaluating its efficacy for aiding the detection of lesions in coronary angiograms.
Abstract（参考訳）: 医療における機械学習の採用は、モデルの透明性と説明可能性を求めている。本研究では,畳み込みニューラルネットワーク(cnn)出力に対して,総合的かつクラス非依存な説明を生成するサリエンシー手法であるシグネチャアクティベーションを導入する。本手法は,血管造影などの特定の医療画像が,前景や背景の鮮明な物体を持っているという事実を生かしている。我々は方法の正当性を理論的に説明する。冠状血管造影検査における病変検出への有効性を評価することにより,臨床現場での本法の有用性を示す。

関連論文リスト

Semi-Supervised Graph Representation Learning with Human-centric Explanation for Predicting Fatty Liver Disease [2.992602379681373]
本研究では,半教師付き学習フレームワークにおけるグラフ表現学習の可能性について検討する。本手法は,健康診断データからリスクパターンを識別する対象類似性グラフを構築する。
論文参考訳（メタデータ） (2024-03-05T08:59:45Z)
MLIP: Enhancing Medical Visual Representation with Divergence Encoder and Knowledge-guided Contrastive Learning [48.97640824497327]
本稿では、画像テキストのコントラスト学習を通じて、言語情報を視覚領域に統合するための案内信号として、ドメイン固有の医療知識を活用する新しいフレームワークを提案する。我々のモデルには、設計した分散エンコーダによるグローバルコントラスト学習、局所トークン・知識・パッチアライメントコントラスト学習、知識誘導型カテゴリレベルのコントラスト学習、エキスパートナレッジによるコントラスト学習が含まれる。特に、MLIPは、限られた注釈付きデータであっても最先端の手法を超越し、医療表現学習の進歩におけるマルチモーダル事前学習の可能性を強調している。
論文参考訳（メタデータ） (2024-02-03T05:48:50Z)
Cross-modal Clinical Graph Transformer for Ophthalmic Report Generation [116.87918100031153]
眼科報告生成(ORG)のためのクロスモーダルな臨床グラフ変換器(CGT)を提案する。 CGTは、デコード手順を駆動する事前知識として、臨床関係を視覚特徴に注入する。大規模FFA-IRベンチマークの実験は、提案したCGTが従来のベンチマーク手法より優れていることを示した。
論文参考訳（メタデータ） (2022-06-04T13:16:30Z)
Explainable and Interpretable Diabetic Retinopathy Classification Based on Neural-Symbolic Learning [71.76441043692984]
本稿では,ニューラルシンボリック学習に基づく説明可能な,解釈可能な糖尿病網膜症(ExplainDR)分類モデルを提案する。本稿では,眼の健康状態に関連する糖尿病網膜症の特徴を分類し,説明可能性を実現するためのヒト可読的シンボル表現を提案する。
論文参考訳（メタデータ） (2022-04-01T00:54:12Z)
Leveraging Human Selective Attention for Medical Image Analysis with Limited Training Data [72.1187887376849]
選択的な注意機構は、注意散らしの存在を無視することで、認知システムがタスク関連視覚的手がかりに焦点を合わせるのに役立つ。本稿では,医療画像解析タスクにおいて,小さなトレーニングデータを用いたガベージを利用したフレームワークを提案する。本手法は腫瘍の3次元分割と2次元胸部X線分類において優れた性能を示す。
論文参考訳（メタデータ） (2021-12-02T07:55:25Z)
BI-RADS-Net: An Explainable Multitask Learning Approach for Cancer Diagnosis in Breast Ultrasound Images [69.41441138140895]
本稿では,乳房超音波画像における癌検出のための新しい深層学習手法であるBI-RADS-Netを紹介する。提案手法は, 臨床診断に関連する特徴表現を学習することにより, 乳腺腫瘍の説明と分類を行うタスクを取り入れたものである。臨床医が医療現場で診断・報告するために使用する形態学的特徴の観点から予測(良性または悪性)の説明が提供される。
論文参考訳（メタデータ） (2021-10-05T19:14:46Z)
Improving Interpretability of Deep Neural Networks in Medical Diagnosis by Investigating the Individual Units [24.761080054980713]
入力画像における重要な要素を可視化することにより,最近の帰属技術の有効性を実証し,診断の意思決定を説明する。アンマキングマシンインテリジェンスの分析は、診断決定における説明可能性の必要性を示している。
論文参考訳（メタデータ） (2021-07-19T11:49:31Z)
Quantifying Explainability in NLP and Analyzing Algorithms for Performance-Explainability Tradeoff [0.0]
臨床テキスト分類におけるケーススタディにおける説明可能性と解釈可能性の現状について考察する。完全解釈可能な手法とモデルに依存しないポストホック属性に対する様々な可視化手法を実証する。我々は,モデルの予測性能と利用可能な説明の質との間のフロンティアを,実践者や研究者が評価できる枠組みを導入する。
論文参考訳（メタデータ） (2021-07-12T19:07:24Z)
DeepOpht: Medical Report Generation for Retinal Images via Deep Models and Visual Explanation [24.701001374139047]
本手法は、網膜疾患識別子と臨床記述生成器を含むディープニューラルネットワーク(DNN)モジュールからなる。本手法は臨床的に関係のある有意義な網膜画像記述と視覚的説明を作成することができる。
論文参考訳（メタデータ） (2020-11-01T17:28:12Z)
Explaining Clinical Decision Support Systems in Medical Imaging using Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文参考訳（メタデータ） (2020-10-09T14:39:27Z)
On Interpretability of Deep Learning based Skin Lesion Classifiers using Concept Activation Vectors [6.188009802619095]
メラノーマ, メラノーマ, セボリックケラトーシスの3種類の皮膚腫瘍の分類には, 十分に訓練された高性能ニューラルネットワークを用いている。概念活性化ベクトル(CAV)の助けを借りて、人間の理解可能な概念をRECOD画像分類モデルにマッピングする
論文参考訳（メタデータ） (2020-05-05T08:27:16Z)

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。