A Hybrid Fully Convolutional CNN-Transformer Model for Inherently Interpretable Disease Detection from Retinal Fundus Images
Created by
Haebom
저자
Kerol Djoumessi, Samuel Ofosu Mensah, Philipp Berens
개요
본 논문은 의료 영상 분석에서 CNN의 국소 특징 추출 능력과 ViT의 전역 의존성 포착 능력을 결합한 해석 가능한 하이브리드 모델을 제안합니다. 기존 하이브리드 모델들의 해석 어려움을 극복하기 위해, 설계 단계부터 해석 가능성을 고려한 완전 합성곱 CNN-Transformer 아키텍처를 개발하여 망막 질환 검출에 적용했습니다. 제안된 모델은 기존 블랙박스 및 해석 가능 모델보다 우수한 예측 성능을 보이며, 단일 전달 과정에서 클래스별 희소 증거 맵을 생성합니다. GitHub에 코드를 공개했습니다.
시사점, 한계점
•
시사점:
◦
의료 영상 분석에서 해석 가능한 하이브리드 CNN-Transformer 모델의 효과적인 구현을 제시.
◦
기존 블랙박스 모델보다 우수한 예측 성능과 해석 가능성을 동시에 달성.
◦
단일 전달 과정에서 클래스별 희소 증거 맵 생성을 통해 모델의 의사결정 과정을 투명하게 제공.
