Интерпретируемые глубокие сверточные нейронные сети для диагностики болезни Альцгеймера на основе МРТ
Explainable Deep CNNs for MRI-Based Diagnosis of Alzheimer’s Disease
2020-07-01
SCID: 54.1/d9uwm57n
Discuss with AI
диагностика болезни Альцгеймератест Swapаксиоматическая оценкаМРТ головного мозгаобъяснимые глубокие сверточные нейронные сети
Figures from the paper
Abstract (AI)
Глубокие сверточные нейронные сети (CNN) становятся перспективными моделями для полуавтоматизированной диагностики болезни Альцгеймера (БА) с использованием магнитно-резонансной томографии (МРТ) головного мозга. Несмотря на высокую точность, глубоким моделям CNN недостает прозрачности и интерпретируемости, что препятствует обоснованному клиническому рассуждению и не позволяет соответствовать большинству современных нормативных требований. Одним из распространенных подходов к объяснению работы глубоких моделей анализа изображений является закрытие отдельных областей изображения для выявления их влияния на прогноз. Однако существующие методы закрытия фрагментов сканов головного мозга формируют изображения, выходящие за пределы распределения данных, на котором обучалась модель, что приводит к ненадежным объяснениям. В данной работе предлагается альтернативный метод объяснения, специально разработанный для анализа сканов головного мозга. Предлагаемый метод, названный Swap Test, формирует тепловые карты, отображающие области мозга, наиболее характерные для БА, обеспечивая интерпретируемость решений модели в формате, понятном клиницистам. Результаты экспериментов на основе аксиоматической оценки показывают, что предложенный метод лучше подходит для объяснения диагностики БА по данным МРТ, тогда как при использовании стандартного теста с окклюзией наблюдалась противоположная тенденция. Поэтому мы полагаем, что данный метод может помочь устранить присущую глубоким нейронным сетям природу «черного ящика», несмотря на их способность диагностировать БА.
Key Findings
1
Аксоматическая оценка показала, что Swap Test лучше подходит для объяснения диагностики болезни Альцгеймера по МРТ, чем стандартный тест окклюзии.
2
Существующие методы объяснения на основе окклюзии участков могут создавать изображения МРТ мозга вне обучающего распределения, делая объяснения диагностики ненадёжными.
3
Объяснения Swap Test представлены в понятном для клиницистов формате, повышая интерпретируемость диагностики по МРТ с помощью CNN.
4
Метод направлен на уменьшение непрозрачности глубоких CNN и поддержку клинически интерпретируемой диагностики болезни Альцгеймера.
5
Предложенный Swap Test специально разработан для сканирований мозга и создаёт тепловые карты областей, наиболее указывающих на болезнь Альцгеймера.
Research Object
диагностика болезни Альцгеймера с помощью глубоких CNN на основе МРТ головного мозга
Research Subject
интерпретируемость диагностических решений CNN, в частности выявление областей мозга, указывающих на болезнь Альцгеймера, с помощью надёжных объясняющих тепловых карт
Publication Details
Publication Date
2020-07-01
Journal
Publisher
ISSN
Cited by
56
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai7
Глубокое остаточное обучение для распознавания изображений2016
Классификация ImageNet с использованием глубоких сверточных нейронных сетей2017
Очень глубокие сверточные сети для масштабного распознавания изображений2014
Adam: метод стохастической оптимизации2014
Градиентное обучение для распознавания документов1998
Обучение глубоких признаков для дискриминативной локализации2016
Послойное распространение значимости для объяснения решений глубоких нейронных сетей при классификации болезни Альцгеймера по данным МРТ2019