Trustworthy Visual Analytics in Clinical Gait Analysis: A Case Study for Patients with Cerebral Palsy

要約

3次元の臨床歩行解析は、脳性麻痺患者の最適な治療介入を選択するために不可欠であるが、大量の時系列データを生成する。このようなデータを自動解析するために、機械学習によるアプローチが有望視されています。しかし，そのブラックボックス的な性質から，臨床医からはしばしば不信感を持たれている．我々は、CPに関連する歩行パターンの分類のための視覚的分析アプローチであるgaitXplorerを提案する。これは、機械学習の分類を説明するために、確立された説明可能な人工知能アルゴリズムであるGrad-CAMを統合している。分類に関連性の高い領域は、インタラクティブなビジュアルインターフェースで強調表示される。このアプローチは、2人の臨床歩行の専門家によるケーススタディで評価されている。彼らは，8人の患者のサンプルについて，ビジュアルインタフェースを用いて説明を検査し，どの関連性スコアが信頼できると感じ，どのスコアが疑わしいと感じたかを表明した．全体として、臨床医は、データ中のどの領域が分類に関連しているかをより良く理解することができたので、このアプローチに肯定的なフィードバックを与えた。

要約(オリジナル)

Three-dimensional clinical gait analysis is essential for selecting optimal treatment interventions for patients with cerebral palsy (CP), but generates a large amount of time series data. For the automated analysis of these data, machine learning approaches yield promising results. However, due to their black-box nature, such approaches are often mistrusted by clinicians. We propose gaitXplorer, a visual analytics approach for the classification of CP-related gait patterns that integrates Grad-CAM, a well-established explainable artificial intelligence algorithm, for explanations of machine learning classifications. Regions of high relevance for classification are highlighted in the interactive visual interface. The approach is evaluated in a case study with two clinical gait experts. They inspected the explanations for a sample of eight patients using the visual interface and expressed which relevance scores they found trustworthy and which they found suspicious. Overall, the clinicians gave positive feedback on the approach as it allowed them a better understanding of which regions in the data were relevant for the classification.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL