Clinical Interpretable Deep Learning Model for Glaucoma Diagnosis

可解释性 青光眼 人工智能 计算机科学 深度学习 分割 机器学习 医学诊断 对比度(视觉) 模式识别(心理学) 医学 放射科 眼科
作者
Wangmin Liao,Beiji Zou,Rongchang Zhao,Yuanqiong Chen,Zhiyou He,Mengjie Zhou
出处
期刊:IEEE Journal of Biomedical and Health Informatics [Institute of Electrical and Electronics Engineers]
卷期号:24 (5): 1405-1412 被引量:98
标识
DOI:10.1109/jbhi.2019.2949075
摘要

Despite the potential to revolutionise disease diagnosis by performing data-driven classification, clinical interpretability of ConvNet remains challenging. In this paper, a novel clinical interpretable ConvNet architecture is proposed not only for accurate glaucoma diagnosis but also for the more transparent interpretation by highlighting the distinct regions recognised by the network. To the best of our knowledge, this is the first work of providing the interpretable diagnosis of glaucoma with the popular deep learning model. We propose a novel scheme for aggregating features from different scales to promote the performance of glaucoma diagnosis, which we refer to as M-LAP. Moreover, by modelling the correspondence from binary diagnosis information to the spatial pixels, the proposed scheme generates glaucoma activations, which bridge the gap between global semantical diagnosis and precise location. In contrast to previous works, it can discover the distinguish local regions in fundus images as evidence for clinical interpretable glaucoma diagnosis. Experimental results, performed on the challenging ORIGA datasets, show that our method on glaucoma diagnosis outperforms state-of-the-art methods with the highest AUC (0.88). Remarkably, the extensive results, optic disc segmentation (dice of 0.9) and local disease focus localization based on the evidence map, demonstrate the effectiveness of our methods on clinical interpretability.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
hhf完成签到,获得积分10
刚刚
搜集达人应助111采纳,获得10
1秒前
oaixlittle完成签到,获得积分10
1秒前
yull完成签到,获得积分10
1秒前
lei完成签到,获得积分10
1秒前
2秒前
nyfz2002发布了新的文献求助10
3秒前
Liu完成签到 ,获得积分10
3秒前
3秒前
王金娥发布了新的文献求助10
3秒前
美美完成签到 ,获得积分10
4秒前
Moonquakes_发布了新的文献求助10
4秒前
草莓完成签到,获得积分10
4秒前
知识四面八方来完成签到 ,获得积分10
4秒前
皮皮完成签到 ,获得积分10
5秒前
渡边卯卯发布了新的文献求助30
5秒前
开朗的又菱完成签到,获得积分10
6秒前
孟严青发布了新的文献求助10
6秒前
7秒前
xbf完成签到,获得积分10
7秒前
浅香千雪发布了新的文献求助10
7秒前
7秒前
取什么好呢完成签到,获得积分10
8秒前
WeiSONG完成签到,获得积分10
9秒前
RerrentLinden完成签到,获得积分10
9秒前
万能图书馆应助lei采纳,获得10
9秒前
10秒前
apocalypse完成签到 ,获得积分10
10秒前
诚心代芙完成签到 ,获得积分10
10秒前
慕容松发布了新的文献求助10
10秒前
wuji完成签到,获得积分10
11秒前
布丁拿铁完成签到 ,获得积分10
11秒前
小杰发布了新的文献求助10
11秒前
dake2021完成签到,获得积分10
13秒前
COCO完成签到,获得积分10
13秒前
13秒前
克丽完成签到 ,获得积分10
13秒前
坚定的道天完成签到,获得积分10
13秒前
感动的沅完成签到,获得积分10
14秒前
1111chen完成签到 ,获得积分20
14秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
An Introduction to Geographical and Urban Economics: A Spiky World Book by Charles van Marrewijk, Harry Garretsen, and Steven Brakman 500
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
Chen Hansheng: China’s Last Romantic Revolutionary 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3150742
求助须知:如何正确求助?哪些是违规求助? 2802264
关于积分的说明 7846871
捐赠科研通 2459614
什么是DOI,文献DOI怎么找? 1309322
科研通“疑难数据库(出版商)”最低求助积分说明 628871
版权声明 601757