ProjectedEx: Enhancing Generation in Explainable AI for Prostate Cancer

要約

世界的な健康問題の一つである前立腺がんは、診断精度を大幅に向上させる高解像度の軟部組織画像を提供する磁気共鳴画像法（MRI）による精密な診断ツールを必要としている。説明可能なAIと表現学習における最近の進歩は、自動化された正確な病変分類を可能にすることで、前立腺がん診断を大幅に改善した。しかし、既存の説明可能なAI手法、特に生成的敵対ネットワーク（GAN）のようなフレームワークに基づく手法は、主に自然画像生成のために開発されたものであり、医用画像に適用すると、医用画像特有の特性と複雑さのために、しばしば最適なパフォーマンスには至らない。これらの課題に対処するために、本稿では3つの主要な貢献を紹介する。第一に、解釈可能な多属性説明を提供する生成的フレームワークであるProjectedExを提案し、医療画像の特徴を分類器の決定に効果的に結びつける。第二に、特徴ピラミッドを組み込むことでエンコーダモジュールを強化し、潜在空間を洗練するためのマルチスケールフィードバックを可能にし、生成される説明の質を向上させる。さらに、生成器と分類器の両方で包括的な実験を行い、解釈可能性を高め、医療現場でのAIの採用を支援するProjectedExの臨床的妥当性と有効性を実証する。コードは https://github.com/Richardqiyi/ProjectedEx で公開される。

要約(オリジナル)

Prostate cancer, a growing global health concern, necessitates precise diagnostic tools, with Magnetic Resonance Imaging (MRI) offering high-resolution soft tissue imaging that significantly enhances diagnostic accuracy. Recent advancements in explainable AI and representation learning have significantly improved prostate cancer diagnosis by enabling automated and precise lesion classification. However, existing explainable AI methods, particularly those based on frameworks like generative adversarial networks (GANs), are predominantly developed for natural image generation, and their application to medical imaging often leads to suboptimal performance due to the unique characteristics and complexity of medical image. To address these challenges, our paper introduces three key contributions. First, we propose ProjectedEx, a generative framework that provides interpretable, multi-attribute explanations, effectively linking medical image features to classifier decisions. Second, we enhance the encoder module by incorporating feature pyramids, which enables multiscale feedback to refine the latent space and improves the quality of generated explanations. Additionally, we conduct comprehensive experiments on both the generator and classifier, demonstrating the clinical relevance and effectiveness of ProjectedEx in enhancing interpretability and supporting the adoption of AI in medical settings. Code will be released at https://github.com/Richardqiyi/ProjectedEx

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL