論文の概要: XAI for Skin Cancer Detection with Prototypes and Non-Expert Supervision

• arxiv url: http://arxiv.org/abs/2402.01410v1
• Date: Fri, 2 Feb 2024 13:42:45 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-05 15:16:19.484358
• Title: XAI for Skin Cancer Detection with Prototypes and Non-Expert Supervision
• Title（参考訳）: XAIによる皮膚がん原型検出と非専門的スーパービジョン
• Authors: Miguel Correia, Alceu Bissoto, Carlos Santiago, Catarina Barata
• Abstract要約: 皮膚内視鏡画像解析による皮膚がん検出は重要な課題である。 この目的のために使われている既存のモデルは、しばしば解釈可能性と信頼性を欠いている。 本稿では,解釈可能な原型部品モデルを用いたメラノーマの診断のための新しいアプローチを提案する。
• 参考スコア（独自算出の注目度）: 18.22437314687109
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Skin cancer detection through dermoscopy image analysis is a critical task. However, existing models used for this purpose often lack interpretability and reliability, raising the concern of physicians due to their black-box nature. In this paper, we propose a novel approach for the diagnosis of melanoma using an interpretable prototypical-part model. We introduce a guided supervision based on non-expert feedback through the incorporation of: 1) binary masks, obtained automatically using a segmentation network; and 2) user-refined prototypes. These two distinct information pathways aim to ensure that the learned prototypes correspond to relevant areas within the skin lesion, excluding confounding factors beyond its boundaries. Experimental results demonstrate that, even without expert supervision, our approach achieves superior performance and generalization compared to non-interpretable models.
• Abstract（参考訳）: 皮膚内視鏡画像解析による皮膚がんの検出は重要な課題である。 しかし、既存のモデルは解釈可能性や信頼性に欠けることが多く、ブラックボックスの性質から医師の懸念が高まる。 本稿では,解釈可能な原型部品モデルを用いたメラノーマ診断のための新しいアプローチを提案する。 我々は,非専門家のフィードバックに基づく指導的監督を導入する。 1)セグメンテーションネットワークを用いて自動的に得られるバイナリマスク、及び 2) ユーザリファインドプロトタイプ。 これら2つの異なる情報経路は、学習されたプロトタイプが皮膚病変内の関連領域に対応していることを保証することを目的としている。 実験結果から,専門家の指導がなくても,非解釈可能なモデルに比べて優れた性能と一般化が得られた。

関連論文リスト

• Unsupervised Model Diagnosis [49.36194740479798]
  本稿では,ユーザガイドを使わずに,意味論的対実的説明を生成するために,Unsupervised Model Diagnosis (UMO)を提案する。 提案手法は意味論における変化を特定し可視化し,その変化を広範囲なテキストソースの属性と照合する。
  論文  参考訳（メタデータ） (2024-10-08T17:59:03Z)
• Evaluating Machine Learning-based Skin Cancer Diagnosis [0.0]
  この研究は、MobileNetベースのモデルとカスタムCNNモデルの2つの畳み込みニューラルネットワークアーキテクチャを評価する。 どちらのモデルも、皮膚病変を7つのカテゴリに分類し、危険病変と良性病変を区別する能力について評価されている。 この研究は、モデルが説明可能性を示す一方で、異なる肌のトーンの公平性を確保するためにさらなる開発が必要であると結論付けている。
  論文  参考訳（メタデータ） (2024-09-04T02:44:48Z)
• Cross-Slice Attention and Evidential Critical Loss for Uncertainty-Aware Prostate Cancer Detection [8.224446601436757]
  本稿では,グローバル情報とローカル情報の両方を利用した新しい2.5Dクロススライスアテンションモデルを提案する。 我々は2つの異なるデータセットでモデルを用いて広範な実験を行い、前立腺癌検出における最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-07-01T10:14:23Z)
• DiffExplainer: Unveiling Black Box Models Via Counterfactual Generation [11.201840101870808]
  ブラックボックスモデルに接続した場合に異なる決定を誘導する反ファクト画像を生成することができるエージェントモデルを提案する。 このエージェントモデルを用いることで、ブラックモデルの最終予測に影響を与える影響のあるイメージパターンを明らかにすることができる。 医療予後タスクの厳格な領域におけるアプローチの検証を行った。
  論文  参考訳（メタデータ） (2024-06-21T14:27:02Z)
• FPN-IAIA-BL: A Multi-Scale Interpretable Deep Learning Model for Classification of Mass Margins in Digital Mammography [17.788748860485438]
  解釈不能なディープラーニングモデルは、高度な環境には適さない。 コンピュータビジョンの解釈における最近の研究は、かつてのブラックボックスに対して透明性を提供する。 本稿では,マンモグラフィマスマージン分類のための多段階解釈型深層学習モデルを提案する。
  論文  参考訳（メタデータ） (2024-06-10T15:44:41Z)
• Enhancing Interpretability of Vertebrae Fracture Grading using Human-interpretable Prototypes [7.633493982907541]
  本稿では,脊椎骨折(原型)の関連部分を見つけるための新しい解釈可能な設計手法であるProtoVerseを提案し,そのモデルの決定を人間に理解可能な方法で確実に説明する。 We have been experiment with the VerSe'19 dataset and outformed the existing prototype-based method。
  論文  参考訳（メタデータ） (2024-04-03T16:04:59Z)
• Model X-ray:Detecting Backdoored Models via Decision Boundary [62.675297418960355]
  バックドア攻撃はディープニューラルネットワーク(DNN)に重大な脆弱性をもたらす 図形化された2次元(2次元)決定境界の解析に基づく新しいバックドア検出手法であるモデルX線を提案する。 提案手法は,クリーンサンプルが支配する意思決定領域とラベル分布の集中度に着目した2つの戦略を含む。
  論文  参考訳（メタデータ） (2024-02-27T12:42:07Z)
• Robust and Interpretable Medical Image Classifiers via Concept Bottleneck Models [49.95603725998561]
  本稿では,自然言語の概念を用いた堅牢で解釈可能な医用画像分類器を構築するための新しいパラダイムを提案する。 具体的には、まず臨床概念をGPT-4から検索し、次に視覚言語モデルを用いて潜在画像の特徴を明示的な概念に変換する。
  論文  参考訳（メタデータ） (2023-10-04T21:57:09Z)
• Ambiguous Medical Image Segmentation using Diffusion Models [60.378180265885945]
  我々は,グループ洞察の分布を学習することで,複数の可算出力を生成する単一拡散モデルに基づくアプローチを提案する。 提案モデルでは,拡散の固有のサンプリングプロセスを利用してセグメンテーションマスクの分布を生成する。 その結果,提案手法は既存の最先端曖昧なセグメンテーションネットワークよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-04-10T17:58:22Z)
• G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
  診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
  論文  参考訳（メタデータ） (2021-01-27T19:28:04Z)
• Manifolds for Unsupervised Visual Anomaly Detection [79.22051549519989]
  トレーニングで必ずしも異常に遭遇しない教師なしの学習方法は、非常に有用です。 ジャイロプレーン層を用いた立体投影による超球形変分オートエンコーダ(VAE)を開発した。 工業用AIシナリオにおける実世界の実用性を実証し、精密製造および検査における視覚異常ベンチマークの最先端結果を示す。
  論文  参考訳（メタデータ） (2020-06-19T20:41:58Z)

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。