Signature Activation: A Sparse Signal View for Holistic Saliency

要約

医療における機械学習の導入には、モデルの透明性と説明可能性が必要です。
この研究では、畳み込みニューラル ネットワーク (CNN) 出力の全体的でクラスに依存しない説明を生成する顕著性メソッドである Signature Activation を紹介します。
私たちの方法は、血管造影などの特定の種類の医療画像には明確な前景と背景のオブジェクトがあるという事実を利用しています。
私たちの手法を正当化するために理論的な説明を行います。
我々は、冠動脈造影図における病変の検出を支援するその有効性を評価することにより、臨床現場でのこの方法の潜在的な使用を示します。

要約(オリジナル)

The adoption of machine learning in healthcare calls for model transparency and explainability. In this work, we introduce Signature Activation, a saliency method that generates holistic and class-agnostic explanations for Convolutional Neural Network (CNN) outputs. Our method exploits the fact that certain kinds of medical images, such as angiograms, have clear foreground and background objects. We give theoretical explanation to justify our methods. We show the potential use of our method in clinical settings through evaluating its efficacy for aiding the detection of lesions in coronary angiograms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google