Don’t PANIC: Prototypical Additive Neural Network for Interpretable Classification of Alzheimer’s Disease

要約

アルツハイマー病 (AD) には複雑で多因子的な病因があり、正確な診断のために神経解剖学、遺伝学、および脳脊髄液のバイオマーカーに関する情報を統合する必要があります。
したがって、最近の深層学習アプローチでは、画像と表形式の情報を組み合わせて診断性能を向上させています。
ただし、このようなニューラル ネットワークのブラック ボックスの性質は、異種モデルの決定を理解することが不可欠である臨床応用の障壁となっています。
PANIC は、3D 画像と表形式のデータを統合する、解釈可能な AD 分類のためのプロトタイプの加法的ニューラル ネットワークです。
これは設計上解釈可能であるため、ネットワークの決定を概算しようとする事後的な説明が不要になります。
私たちの結果は、PANICがAD分類で最先端のパフォーマンスを達成しながら、ローカルおよびグローバルな説明を直接提供することを示しています。
最後に、PANIC が AD の生物学的に意味のあるシグネチャを抽出し、信頼できる機械学習のための一連の望ましい要件を満たすことを示します。
私たちの実装は \url{https://github.com/ai-med/PANIC} で入手できます。

要約(オリジナル)

Alzheimer’s disease (AD) has a complex and multifactorial etiology, which requires integrating information about neuroanatomy, genetics, and cerebrospinal fluid biomarkers for accurate diagnosis. Hence, recent deep learning approaches combined image and tabular information to improve diagnostic performance. However, the black-box nature of such neural networks is still a barrier for clinical applications, in which understanding the decision of a heterogeneous model is integral. We propose PANIC, a prototypical additive neural network for interpretable AD classification that integrates 3D image and tabular data. It is interpretable by design and, thus, avoids the need for post-hoc explanations that try to approximate the decision of a network. Our results demonstrate that PANIC achieves state-of-the-art performance in AD classification, while directly providing local and global explanations. Finally, we show that PANIC extracts biologically meaningful signatures of AD, and satisfies a set of desirable desiderata for trustworthy machine learning. Our implementation is available at \url{https://github.com/ai-med/PANIC}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google