国产v亚洲v天堂无码久久无码_久久久久综合精品福利啪啪_美女扒开尿口让男人桶_国产福利第一视频在线播放_滨崎步无码AⅤ一区二区三区_三年片免费观看了_大屁股妇女流出白浆_泷川苏菲亚无码AV_我想看我想看一级男同乱伦_国产精品午夜福利免费视频,gogo国模全球大胆高清摄影图,2008门艳照全集视频,欧美午夜在线精品品亚洲AV中文无码乱人伦在线播放

Learning Group-Disentangled Representation for Interpretable Thoracic Pathologic Prediction

論文下載地址：

2021 IEEE International Conference on Bioinformatics and Biomedicine (BIBM), CCF-B（錄用率20%）

深度學(xué)習(xí)方法在醫(yī)學(xué)圖像分析任務(wù)中表現(xiàn)出了顯著的性能,。然而,，該類方法通常在特征提取和決策過程中表現(xiàn)得像沒有解釋的“黑匣子”，導(dǎo)致缺乏臨床洞察力和高風(fēng)險(xiǎn)評(píng)估。為了幫助深度學(xué)習(xí)用視覺線索判斷疾病,，我們提出了表示組解耦網(wǎng)絡(luò)（RGD-Net）,，它可以將輸入X射線圖像的特征空間完全分解為幾個(gè)獨(dú)立的特征組,，每個(gè)特征組對(duì)應(yīng)于特定的疾病,。通過完全解耦，RGD網(wǎng)絡(luò)提高了醫(yī)學(xué)圖像分析中特征提取和決策的可解釋性和準(zhǔn)確性,。RGD-Net以多幅語義相關(guān)和標(biāo)記的X射線圖像為輸入,，首先通過組解耦模塊提取疾病的完全組解耦表示，該模塊應(yīng)用組交換和鏈接操作,，通過增強(qiáng)屬性的語義一致性來構(gòu)建潛在空間,。為了防止學(xué)習(xí)被定義為捷徑問題的退化表示，我們進(jìn)一步在從特征到疾病的映射上引入了對(duì)抗性約束,，從而避免了模型因自由形式組解耦而崩潰,。在chestxray-14和ChestXpert數(shù)據(jù)集上的實(shí)驗(yàn)表明，RGD網(wǎng)絡(luò)在預(yù)測(cè)疾病方面具有顯著優(yōu)勢(shì),，它利用了導(dǎo)致不同疾病的潛在因素,，從而增強(qiáng)了深度學(xué)習(xí)方法工作的可解釋性。