要約
ダーモスコピー画像解析による皮膚癌検出は重要な課題である。しかし、この目的のために使用される既存のモデルは、しばしば解釈可能性と信頼性に欠け、そのブラックボックス的性質により医師の懸念を高めている。本論文では、解釈可能な原型部分モデルを用いたメラノーマ診断のための新しいアプローチを提案する。本論文では、以下のものを組み込むことにより、非専門家のフィードバックに基づくガイド付き監視を導入する：1)セグメンテーションネットワークを用いて自動的に得られるバイナリマスク、2)ユーザーによって改良されたプロトタイプ。これらの2つの異なる情報経路は、学習されたプロトタイプが皮膚病変内の関連領域に対応し、その境界を超える交絡因子を除外することを目的としている。実験結果は、専門家の監督なしでも、我々のアプローチが、解釈不可能なモデルと比較して、優れた性能と汎化を達成することを示している。
要約(オリジナル)
Skin cancer detection through dermoscopy image analysis is a critical task. However, existing models used for this purpose often lack interpretability and reliability, raising the concern of physicians due to their black-box nature. In this paper, we propose a novel approach for the diagnosis of melanoma using an interpretable prototypical-part model. We introduce a guided supervision based on non-expert feedback through the incorporation of: 1) binary masks, obtained automatically using a segmentation network; and 2) user-refined prototypes. These two distinct information pathways aim to ensure that the learned prototypes correspond to relevant areas within the skin lesion, excluding confounding factors beyond its boundaries. Experimental results demonstrate that, even without expert supervision, our approach achieves superior performance and generalization compared to non-interpretable models.
arxiv情報
| 著者 | Miguel Correia,Alceu Bissoto,Carlos Santiago,Catarina Barata |
| 発行日 | 2024-02-02 13:42:45+00:00 |
| arxivサイト | arxiv_id(pdf) |