Contrastive Integrated Gradients: A Feature Attribution-Based Method for Explaining Whole Slide Image Classification
Created by
Haebom
Category
Empty
저자
Anh Mai Vu, Tuan L. Vo, Ngoc Lam Quang Bui, Nam Nguyen Le Binh, Akash Awasthi, Huy Quoc Vo, Thanh-Huy Nguyen, Zhu Han, Chandra Mohan, Hien Van Nguyen
개요
본 논문은 계산 병리학의 전체 슬라이드 이미지(WSI) 분석에서 모델 예측에 대한 이해를 돕기 위해, 해석 가능성을 향상시키는 새로운 귀속 방법인 Contrastive Integrated Gradients (CIG)를 소개한다. CIG는 로그 공간에서 대비 그래디언트를 계산하여 클래스 차별적 영역을 강조하고, 통합 귀속의 공리를 만족하며, 약한 감독 하에서 예측 정보와 모델 신뢰도가 어떻게 변화하는지 측정하는 두 가지 귀속 품질 지표를 제안한다. CAMELYON16, TCGA-RCC, TCGA-Lung의 세 가지 암 데이터셋에서 CIG의 성능을 검증하여, 정량적 및 정성적 평가를 통해 해석 가능하고 신뢰할 수 있는 WSI 기반 진단의 가능성을 보여준다.
시사점, 한계점
•
시사점:
◦
CIG는 클래스 차별적 영역을 강조하여 해석 가능성을 향상시킨다.
◦
통합 귀속의 공리를 만족하여 이론적 건전성을 확보한다.
◦
MIL-AIC 및 MIL-SIC와 같은 귀속 품질 지표를 통해 정량적 평가가 가능하다.
◦
CAMELYON16, TCGA-RCC, TCGA-Lung의 다양한 암 데이터셋에서 우수한 성능을 보인다.
