[MICCAI2019] Global and Local Interpretability for Cardiac MRI Classification

最新推荐文章于 2022-07-28 15:16:29 发布
原创 最新推荐文章于 2022-07-28 15:16:29 发布 · 911 阅读 · 3 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文介绍了深度学习在心脏病诊断中的应用，利用VAE和分类网络结合CAV（概念激活向量）进行全球和局部解释。通过分析左心室曲线的医学概念，如PER、PFR等，研究这些概念如何影响分类决策，并通过插值分析latent code理解影像变化。最终，该工作旨在连接医学知识和模型解释性，找出对分类影响最大的医学指标。

作者信息
James R. Clough
King’s College London

深度学习可解释性，题目中，
global 是指被分为特定类别的图像有哪些共有特征，具体指本文采用vae+分类网络，利用CAV分析来解释医学概念对分类决策的影响程度
local 是指图像的何种特征导致它被分类器分类成某类，具体指使用VAE得到latent code后，通过对latent code插值来分析影像变化。

CAV （concept activation vectors）(ICML2018)

先介绍下文章中用到的CAV(tensorflow 官方有代码)，是近年来深度学习可解释性方面最具创新性的工作。详细介绍PPT
如下图所示，CAV用来定量分析某一概念对网络预测的重要程度。
在这里插入图片描述

TCAV主要流程

在这里插入图片描述

本文主要思想

网络结构如下，输入是左心室，右心室的分割图，取体积中心的3张作为输入，T=50代表每个su

最低0.47元/天 解锁文章

200万优质内容无限畅学
Miccai论文分享（一）Deep Multi-instance Networks with Sparse Label Assignment for Whole Mammogram Classific
无悔王冠的专栏
05-17 4174
多示例学习(multi-instance learning) 标签（空格分隔）： 论文总结 本科毕业答辩结束！这个系列主要分享一些Miccai这一医学影像分析顶级会议上论文～ 为什么讲这个？ 看到了miccai2017年的一篇挺有意思的论文，所以查阅了相关研究资料，分享给大家。 什么是多示例学习？ 这方面国内的大牛周志华是领域翘楚，大家有兴趣可以看看他之前的相关工作。下面的部分摘自...
Left Ventricle Image Dataset by MICCAI2019 MICCAI 2019左心房医学图像数据集-数据集
03-19
The dataset is from MICCAI 2019 Challenge. 本数据集由MICCAI 2019出品。 leftventricleimage_test_datasets.zip TestData_LVQuan19_Description.pdf
2D-CNN-and-3D-CNN_MRI-Classification:使用5折交叉验证的MRI多重分类的2D CNN和3D CNN
04-13
2D-CNN和3D-CNN_MRI分类 使用5折交叉验证对MRI进行多分类的2D CNN和3D CNN模型。 所有图像均为NIfTI 用于早期融合的3D CNN架构 二维融合CNN的准确性/损失，平均为5倍 （a）2D，（b）3D融合CNN的混淆矩阵
MICCAI2019-part2.pdf
10-20
MICCAI2019论文集--第二章 MICCAI2019会议在深圳举办，论文集共六章，此是第二章
Multimodal Routing: Improving Local and Global Interpretability of Multimodal Language Analysis阅读笔记
阿里武的技术博客
05-09 699
文章目录Multimodal Routing: Improving Local and Global Interpretability of Multimodal Language Analysis模型结构encodingRoutingPrediction实验Interpretation Analysis Multimodal Routing: Improving Local and Global Interpretability of Multimodal Language Analysis 任务：多模
MICCAI，2019论文集下载
Jing Sir的博客
03-29 435
链接：https://pan.baidu.com/s/1b7C8lza1VPukM7QbU5z07Q 提取码：tzci
MICCAI2019论文列表（全）
09-17
- **Dynamic Multi-scale Representation Learning for Cardiac MRI Segmentation** - **关键词**：动态多尺度表示学习、心脏MRI分割 - **技术要点**：通过动态调整多尺度特征提取的方式，本研究提出了一种新的...
MICCAI-2019.zip
01-27
【标题】"MICCAI-2019.zip" 是一个包含2019年国际医学计算与临床应用会议（Medical Image Computing and Computer Assisted Intervention，简称MICCAI）完整论文集的压缩文件。这个会议是全球医疗图像计算和计算机...
MICCAI2019-Contents.目录
06-19
根据提供的文件信息，我们可以推断出这是一本关于医学图像计算和计算机辅助介入（Medical Image Computing and Computer Assisted Intervention，简称MICCAI）的国际会议论文集，该会议于2019年10月13日至17日在中国...
MICCAI2019-会议论文集 Part-IV.pdf
10-28
2019年MICCAI会议论文集 part-1 包括Computer-Aided Diagnosis等
Miccai2019 oral简单总结
m0_37477175的博客
10-20 1165
词云初探 注水大区 – Segmentation 不同的人体部位 不同的图像类型 GAN Oral Session Computer Aided Diagnosis, Detection and Classification Industry Session Reconstruction and Synthesis Registration and Segmentation Doctora...
Interpretability Beyond Feature Attribution: Quantitative Testing with Concept Activation Vectors
appleclub666的博客
08-14 1579
作者：18届 cyl 时间：2021-08-14 code: github.com/tensorflflow/tcav 一、简单介绍 这是一篇使用人为提出的概念向量(Concept Activation Vectors,CAV)对模型进行解释的方法，并且提供了对CAV度量的标准(TCAV)。 二、问题陈述 1.鉴于机器学习模型应用的广泛性和重要性，我们必须去理解机器学习模型的行为（即该模型是基于什么来做出判断的）。可解释性需求随之产生。 比如我们有一个已经训练好了的神经网络，输入一张鸟的图像，它可以告诉
[深度学习论文笔记]Modality-aware Mutual Learning for Multi-modal Medical Image Segmentation
Slientsake的博客
09-18 1344
Modality-aware Mutual Learning for Multi-modal Medical Image Segmentation 多模态医学图像分割中的模态感知互学习 Published: Jul 2021 MICCAI 2021 论文：https://arxiv.org/abs/2107.09842 代码：https://github.com/YaoZhang93/MAML 摘要：    肝癌是全世界最常见的癌症之一。**由于肝脏肿瘤的纹理变化不明显，对比增强计算机断层扫描（CT）成像对
详译：RESIDUAL AND PLAIN CONVOLUTIONAL NEURAL NETWORKS FOR 3D BRAIN MRICLASSIFICATION
qq_44719999的博客
07-28 691
近年来，有许多研究将深度学习算法应用于神经成像数据。这些研究中使用的管道大多需要多个处理步骤来进行特征提取，尽管图像分类深度学习的现代进步可以为自动特征生成和更直接的分析提供强大的框架。在本文中，我们展示了如何使用残差和普通三维卷积神经网络架构跳过这些特征提取步骤来实现类似的性能。我们在阿尔茨海默病国家倡议（ADNI）3D结构MRI脑扫描数据集上展示了拟议的阿尔茨海默病分类方法与轻度认知障碍和正常对照的性能。索引MRI、阿尔茨海默病、深度学习、卷积神经网络、残差神经网络。...
MICCAI 2019 参会总结
Seven
10-28 5911
MICCAI:International Conference on Medical Image Computing and Computer Assisted Intervention 今年非常有幸参加了在深圳举办的MICCAI2019，特将部分会议内容总结如下： Begin: 1998 构成：CVRMed（计算机视觉，虚拟现实和医学机器人）， MRCAS（医学机...
MICCAI2019论文分享 PART①
Jingyang.Zhang的博客
10-29 9990
刚刚结束的 MICCAI2019 会议的论文集分为6个部分，这段时间刷了一遍 Part I，在这儿和大家做一个简单的分享交流。 由于本人主要专注于分割领域和半监督弱监督等学习策略，下面给出的综述可能多涉及该方向。 选出的文章主要突出其中的闪光点，如果感兴趣还望各位移步 link 官网获取原文。 如果阐述有误也欢迎大家拍砖指教。为话不多说，直接开始。 1. Dual Encoding U-Ne...
MICCAI2019-partI部分论文概览
ahaZeng的博客
06-20 1969
MICCAI2020-partI部分论文概览1.Retinal Abnormalities Recognition Using Regional Multitask Learning任务背景：做法：2.Dual Encoding U-Net for Retinal Vessel Segmentation任务背景：做法：3.Multi-scale Microaneurysms Segmentation Using Embedding Triplet Loss任务背景：做法： 1.Retinal Abnorma
CRLBP： Completed robust local binary pattern for texture classification
weixin_45184581的博客
05-25 614
CRLBP： Completed robust local binary pattern for texture classification 用于纹理分类的完备鲁棒局部二值模式 原文地址：https://www.sciencedirect.com/science/article/pii/S0925231212008545?via%3Dihub 摘要 原始的局部二进制模式（LBP）描述符有两个明显的缺点，即对噪声敏感，有时倾向于用相同的二进制码来描述不同的结构模式，这将不可避免地降低其可分辨性。为了克服这两
不要错过！MICCAI 2019 所有论文完整下载
我爱计算机视觉
10-18 2263
点击我爱计算机视觉标星，更快获取CVML新技术最近几天，计算机视觉领域最重要的盛会就是MICCAI 2019了，因为这次会议在深圳，国内人参加的很多，CV君看到不少朋友圈传来的实时报道。...
MICCAI 2019医疗图像计算与计算机辅助介入会议第五部分
3. 标签“MICCAI 2019 Part V”进一步确认了该文件与2019年的MICCAI会议相关。标签中的“Part V”说明这是系列内容的第五部分，可能包含了该会议出版物的某一部分或是专门针对某些议题的论文集。 4. 压缩包子文件的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值