电气工程与系统科学 > 图像与视频处理
[提交于 2025年1月2日
]
标题: ProjectedEx:增强可解释人工智能中前列腺癌的生成
标题: ProjectedEx: Enhancing Generation in Explainable AI for Prostate Cancer
摘要: 前列腺癌是一种日益严重的全球健康问题,需要精确的诊断工具,磁共振成像(MRI)提供高分辨率的软组织成像,显著提高了诊断准确性。 可解释人工智能和表征学习的最新进展通过实现自动且精确的病灶分类,显著改善了前列腺癌的诊断。 然而,现有的可解释人工智能方法,特别是基于生成对抗网络(GANs)等框架的方法,主要针对自然图像生成开发,其在医学影像中的应用常常由于医学图像的独特特性和复杂性而导致性能不佳。 为了解决这些挑战,我们的论文提出了三个关键贡献。 首先,我们提出了ProjectedEx,一种生成框架,能够提供可解释的多属性解释,有效地将医学图像特征与分类器决策联系起来。 其次,我们通过引入特征金字塔增强了编码器模块,这使得多尺度反馈能够优化潜在空间并提高生成解释的质量。 此外,我们在生成器和分类器上进行了全面的实验,证明了ProjectedEx在增强可解释性和支持人工智能在医疗环境中采用方面的临床相关性和有效性。 代码将在 https://github.com/Richardqiyi/ProjectedEx 发布
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.