本文发表于 IEEE JHBI，提供了一种全新策略以及具体实现来解释医疗图像的神经网络。通过快速生成真实高精度带有病灶的医学图片，用以解释基于常见疾病分类模型以及数据增强。

 

本工作由北航，理研，东京大学，中科院宁波材料所合作完成并发表于 IEEE JHBI（Journal of Biomedical and Health Informatics），通信作者为北京航空航天大学的陆峰教授。本论文以糖尿病视网膜病变（Diabetic Retinopathy，简称 DR）为例进行论述，而这一策略也可以直接用于解释其他疾病并生成对应的医学图像。
本文的研究内容主要包括： 
1. 提出「病理描述符」，能够自动编码与 DR 诊断相关的少量关键神经元，该描述符可以描述多种不同类型的病灶； 
2. 提出了从「病理描述符」恢复病变图像的轻量快速的生成网络 Patho-GAN，能够快速合成真实的病变，这一方法也可以用于医学数据增强； 
3. 通过「病理描述符」和 DR 病变的对应关系，展示了 CNN 检测器的决策依据，增进了医生与 AI 之间的相互理解。 

内容中包含的图片若涉及版权问题，请及时与我们联系删除