Daily Arxiv

Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo.
La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro.
Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.

Un modelo híbrido de CNN-Transformador totalmente convolucional para la detección de enfermedades inherentemente interpretable a partir de imágenes del fondo de ojo de la retina

Created by
  • Haebom

Autor

Kerol Djoumessi, Samuel Ofosu Mensah, Philipp Berens

Describir

Este artículo propone un modelo híbrido que combina una red neuronal convolucional (CNN) y un transformador de visión (ViT) para la interpretabilidad en el análisis de imágenes médicas. Para abordar los desafíos de interpretabilidad de los modelos híbridos existentes, desarrollamos una arquitectura de CNN-transformador completamente convolucional que consideró la interpretabilidad desde la etapa de diseño. Este modelo se aplicó a la detección de enfermedades de la retina, logrando un rendimiento predictivo superior al de los modelos de caja negra e interpretables existentes. Además, genera mapas de evidencia dispersa específicos de cada clase mediante una sola pasada hacia adelante. La reproducibilidad se garantizó mediante código fuente abierto.

Takeaways, Limitations

•
Takeaways:
◦
Presentamos un modelo híbrido CNN-ViT interpretable en el análisis de imágenes médicas, contribuyendo a la comprensión del proceso de toma de decisiones del modelo.
◦
Mejora la confiabilidad del diagnóstico al proporcionar mapas de evidencia local específicos de cada clase junto con un desempeño predictivo superior en comparación con los modelos existentes.
◦
Generación de mapas de evidencia eficientes a través de una única pasada hacia adelante.
◦
Garantizar la reproducibilidad de la investigación mediante código abierto.
•
Limitations:
◦
La evaluación del rendimiento del modelo propuesto se limita a un conjunto específico de datos de imágenes médicas (enfermedades de la retina). Es necesario verificar su generalización en otros tipos de datos de imágenes médicas.
◦
La interpretabilidad del modelo depende del método presentado y requiere un análisis comparativo con otras metodologías de interpretación.
◦
Dado que actualmente está especializado en la detección de enfermedades de la retina, se necesita más investigación sobre su aplicabilidad y rendimiento de generalización a otros problemas de análisis de imágenes médicas.
👍
Made with Slashpage