Core Concepts
도메인 전문가와 협력하여 개발한 MiMICRI 프레임워크는 심장 영상 분류 모델의 해석 가능성을 높이고 전문가의 도메인 지식을 활용할 수 있게 한다.
Abstract
이 논문은 심장 영상 분류 모델의 해석 가능성을 높이기 위한 MiMICRI 프레임워크를 제안한다. MiMICRI는 심장 영상의 형태학적 특징을 식별하고 이를 활용하여 반사실적 설명을 생성한다.
구체적으로 다음과 같은 과정을 거친다:
심장 영상을 분할하여 좌심실 내강, 좌심실 심근, 우심실 내강 등의 형태학적 특징을 식별한다.
사용자가 대상 영상과 대체 영상을 선택하고 대체할 특징을 선택한다.
MorphMix 방법을 사용하여 선택한 특징을 대체 영상의 해당 특징으로 대체한 새로운 영상을 생성한다.
원래 모델을 사용하여 대체 영상의 예측 결과를 생성하고, 원래 영상과 다른 결과를 보이는 경우 이를 반사실적 설명으로 간주한다.
전문가 평가 결과, MiMICRI는 모델 예측에 영향을 미치는 형태학적 특징을 이해하고 도메인 지식으로 모델을 검증하는 데 도움이 되었다. 하지만 일부 대체 영상의 생리학적 타당성에 대한 우려도 제기되었다. 이를 바탕으로 도메인 중심 XAI 방법의 일반화 가능성, 신뢰성, 그리고 전문가 지식의 활용 방안에 대해 논의한다.
Stats
좌심실 내강을 대체한 경우 520개의 반사실적 영상이 생성되었다.
좌심실 심근, 우심실 내강을 모두 대체한 경우 782개의 반사실적 영상이 생성되었다.
좌심실 심근만 대체한 경우에는 반사실적 영상이 생성되지 않았다.
Quotes
"좌심실 심근과 혈액 풀(내강)은 완전히 연관되어 있어서 하나를 변경하면 다른 하나도 변경되어야 한다."
"이미지를 조작할 수는 있지만, 그것이 실제 사람의 모습은 아니다."