A Cognitive Explainer for Fetal ultrasound images classifier Based on Medical Concepts

要約

タイトル：医療用語に基づく胎児超音波画像分類器の説明方法

要約：
– 超音波を使った胎児の標準的なスキャンには多くの医療知識と訓練が必要であり、特に2次元中期妊娠検査においては複雑なタスクである。
– DNN（深層ニューラルネットワーク）は未経験者を支援することができるが、透明性の欠如によりその応用は限られる。
– 本研究では、医療従事者の認知観点から説明を提供する医療用語に基づく解釈可能なフレームワークを提案する。
– また、キーとなる医療用語の関係を構築するために、コンセプトベースのグラフ畳み込みニューラル（GCN）ネットワークを利用する。
– 私的データセットでの詳細な実験分析は、提案手法が医療従事者にとって理解しやすい推論結果の洞察を提供することを示している。

要約(オリジナル)

Fetal standard scan plane detection during 2-D mid-pregnancy examinations is a highly complex task, which requires extensive medical knowledge and years of training. Although deep neural networks (DNN) can assist inexperienced operators in these tasks, their lack of transparency and interpretability limit their application. Despite some researchers have been committed to visualizing the decision process of DNN, most of them only focus on the pixel-level features and do not take into account the medical prior knowledge. In this work, we propose an interpretable framework based on key medical concepts, which provides explanations from the perspective of clinicians’ cognition. Moreover, we utilize a concept-based graph convolutional neural(GCN) network to construct the relationships between key medical concepts. Extensive experimental analysis on a private dataset has shown that the proposed method provides easy-to-understand insights about reasoning results for clinicians.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI