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
- 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) - 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) - This Patient Looks Like That Patient: Prototypical Networks for
Interpretable Diagnosis Prediction from Clinical Text [56.32427751440426]
臨床実践においては、そのようなモデルは正確であるだけでなく、医師に解釈可能で有益な結果を与える必要がある。
本稿では,プロトタイプネットワークに基づく新しい手法であるProtoPatientを紹介する。
利用可能な2つの臨床データセット上でモデルを評価し、既存のベースラインよりも優れていることを示す。
論文 参考訳(メタデータ) (2022-10-16T10:12:07Z) - Visualizing CoAtNet Predictions for Aiding Melanoma Detection [0.0]
本稿では,CoAtNetアーキテクチャを用いたマルチクラス分類タスクを提案する。
全体的な精度は0.901, 0.895, AP 0.923で、他の最先端ネットワークと比較して高い性能を示している。
論文 参考訳(メタデータ) (2022-05-21T06:41:52Z) - Weakly-supervised learning for image-based classification of primary
melanomas into genomic immune subgroups [1.4585861543119112]
我々は,ギガピクセルH&E染色病理スライドを免疫サブグループに分類する深層学習モデルを開発した。
我々は、スライドレベルラベルのみを必要とするマルチインスタンス学習アプローチを活用し、注意機構を用いて、その分類に高い重要性を持つ領域をハイライトする。
論文 参考訳(メタデータ) (2022-02-23T13:57:35Z) - An Attention-based Weakly Supervised framework for Spitzoid Melanocytic
Lesion Diagnosis in WSI [1.0948946179065253]
メラノーマは皮膚がんによる死の大半の原因となる攻撃的な腫瘍である。
診断と予後のための金の基準は、皮膚生検の分析である。
改良型畳み込みニューラルネットワーク(CNN)を用いた誘導伝達学習に基づく,エンドツーエンドの弱い教師付き深層学習モデルを提案する。
本フレームワークは、腫瘍パッチレベルパターンの発見を担当するソースモデルと、生検の特定診断に焦点を当てたターゲットモデルとから構成される。
論文 参考訳(メタデータ) (2021-04-20T10:18:57Z) - Malignancy Prediction and Lesion Identification from Clinical
Dermatological Images [65.1629311281062]
臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。
まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
論文 参考訳(メタデータ) (2021-04-02T20:52:05Z) - 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) - Advancing diagnostic performance and clinical usability of neural
networks via adversarial training and dual batch normalization [2.1699022621790736]
6人の放射線学者がX線、CT、磁気共鳴画像スキャンのデータセットにおける塩分濃度マップの解釈可能性を評価する。
その結果, 十分大きなデータセットと二重バッチノルムを用いた場合, 逆学習モデルの精度は標準モデルに等しいことがわかった。
論文 参考訳(メタデータ) (2020-11-25T20:41:01Z) - 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。