Multi-modal volumetric concept activation to explain detection and classification of metastatic prostate cancer on PSMA-PET/CT

要約

ニューラルネットワークの挙動を解析するために、説明可能な人工知能（XAI）が用いられることが多くなっています。概念活性化は、人間が解釈可能な概念を用いて、ニューラルネットワークの動作を説明するものである。本研究は、マルチモーダルボリュームデータの検出と分類を説明するための回帰概念活性化の実現可能性を評価することを目的とした。 陽電子放射断層撮影/コンピュータ断層撮影（PET/CT）で撮影された転移性前立腺癌患者において、概念実証が行われた。マルチモーダルボリュームコンセプトの活性化により、グローバルおよびローカルな説明を提供した。 感度は80%で、患者あたり1.78の偽陽性であった。グローバルな説明では、解剖学的位置についてはCTに、検出の信頼性についてはPETに焦点が当てられていることが示された。局所的な説明は、真陽性と偽陽性を区別するのに役立つことが期待された。したがって、本研究は、マルチモーダルボリュームデータの検出と分類を、回帰概念活性化を用いて説明することが可能であることを示した。

要約(オリジナル)

Explainable artificial intelligence (XAI) is increasingly used to analyze the behavior of neural networks. Concept activation uses human-interpretable concepts to explain neural network behavior. This study aimed at assessing the feasibility of regression concept activation to explain detection and classification of multi-modal volumetric data. Proof-of-concept was demonstrated in metastatic prostate cancer patients imaged with positron emission tomography/computed tomography (PET/CT). Multi-modal volumetric concept activation was used to provide global and local explanations. Sensitivity was 80% at 1.78 false positive per patient. Global explanations showed that detection focused on CT for anatomical location and on PET for its confidence in the detection. Local explanations showed promise to aid in distinguishing true positives from false positives. Hence, this study demonstrated feasibility to explain detection and classification of multi-modal volumetric data using regression concept activation.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL