Core Concepts
臨床領域の知識を活用することで、肺気胸診断における人工知能の事後説明の質を向上させることができる。
Abstract
本研究では、肺気胸の発生可能領域を表すテンプレートを作成し、既存の説明手法に組み込むことで、人工知能の説明の質を向上させることを提案した。
具体的には以下の通り:
放射線科医が作成した1つの病変領域の描出を基に、肺気胸の発生可能領域を表すテンプレートを生成した。このテンプレートには、肺気胸が胸壁と肺の間の胸膜腔に発生するという臨床知識が反映されている。
生成したテンプレートを、Saliency Map、Grad-CAM、Integrated Gradientsといった既存の説明手法に組み込むことで、人工知能の説明を改善した。
2つのデータセット(SIIM-ACR、ChestX-Det)と2つの深層学習モデル(VGG-19、ResNet-50)を用いた12のベンチマークシナリオで検証した結果、提案手法が一貫して既存の説明手法を改善することが示された。
提案手法は、放射線科医が作成した1つの病変領域の描出のみを必要とし、大規模な教師データ作成を必要としない。これにより、臨床知識を人工知能の説明に組み込むアプローチを提供する。
Stats
肺気胸の病変領域は、胸壁と肺の間の胸膜腔に発生する。
肺気胸は通常、胸部レントゲン写真の上部領域や側面に見られる。
Quotes
"臨床領域の知識を活用することで、人工知能の説明の質を向上させることができる。"
"提案手法は、放射線科医が作成した1つの病変領域の描出のみを必要とし、大規模な教師データ作成を必要としない。"