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

要約

三次元臨床歩行分析は、脳性麻痺 (CP) 患者の最適な治療介入を選択するために不可欠ですが、大量の時系列データを生成します。
これらのデータの自動分析では、機械学習のアプローチにより有望な結果が得られます。
ただし、そのブラックボックスの性質により、このようなアプローチは臨床医から信頼されないことがよくあります。
gaitXplorer は、機械学習分類の説明のために、十分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 を統合する、CP 関連の歩行パターンを分類するための視覚的分析アプローチです。
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 インターフェイスで強調表示されます。
このアプローチは、2 人の臨床歩行専門家によるケーススタディで評価されます。
彼らは、ビジュアル インターフェイスを使用して 8 人の患者のサンプルの説明を調べ、どの関連性スコアが信頼できると判断し、どの関連性スコアを疑わしいと判断したかを表現しました。
全体として、臨床医は、データ内のどの領域が分類に関連しているかをよりよく理解できるため、このアプローチについて肯定的なフィードバックを提供しました。

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, Google