Interpretable Deep Learning Framework for Improved Disease Classification in Medical Imaging
Created by
Haebom
Category
Empty
저자
Jutika Borah, Hidam Kumarjit Singh
💡 개요
본 연구는 의료 영상 분석에서 딥러닝 모델의 예측 불확실성 문제를 해결하고 신뢰도를 높이기 위한 통합 프레임워크를 제안한다. EfficientNetB4와 ResNet34에서 추출된 특징을 융합하는 교차 채널 공간 어텐션 구조와 몬테카를로 드롭아웃 및 컴포멀 예측을 결합하여, 높은 분류 성능과 함께 통계적으로 유효한 예측 집합 및 해석 가능한 불확실성 시각화를 제공한다.
🔑 시사점 및 한계
•
딥러닝 모델의 불확실성을 정량화하고 시각화하여 의료 영상 진단의 신뢰도를 향상시킬 수 있다.
•
서로 다른 수용장을 가진 네트워크 간의 정보 교환을 통해 특징 학습의 판별력과 맥락 이해 능력을 강화한다.
•
다양한 의료 영상 데이터셋에서 높은 분류 성능과 불확실성 인식 추론 능력을 입증했다.
•
제안된 프레임워크의 실제 임상 환경에서의 적용 가능성 및 확장성에 대한 추가 연구가 필요하다.
