Enhancing the stability and quality assessment of visual explanations for thorax disease classification using deep learning
Derin öğrenme kullanarak göğüs hastalıkları sınıflandırması için görsel açıklamaların kararlılık ve kalite değerlendirmesini geliştirme
- Tez No: 831251
- Danışmanlar: DOÇ. DR. HANDE ALEMDAR
- Tez Türü: Doktora
- Konular: Bilim ve Teknoloji, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 99
Özet
Derin öğrenme modellerinin karmaşık iç işleyişi onları anlaşılmaz hale getirmektedir. Açıklanabilirliklerini artırmaya yönelik çabalardaki önemli zorluklardan biri, görsel açıklamaları değerlendirmek için ölçülebilir ölçümlerin mevcut olmamasıdır. Bu durum, manuel değerlendirmelere veya optimal olmayan ölçümlere güvenilmesine yol açmaktadır. Bu, ölçeklenebilirliği kısıtlar, tekrarlanabilirliği tehlikeye atar ve güvenilirliği zayıflatır. Objektif ölçümlerin gerekliliği, hiperparametrelerin ince ayarı ve çeşitli Açıklanabilir Yapay Zeka (XAI) modellerinin değerlendirilmesi sırasında daha da vurgulanır. Öne çıkan bir diğer engel ise Yerel Yorumlanabilir Model-Agnostik Açıklamalar (LIME) gibi yöntemlerin sergilediği istikrarsızlıktır. LIME yöntemine özgü rastgele karışıklıklar tutarsız açıklamalara yol açarak güvenin aşınmasına ve kritik uygulamalarda kullanılamamasına neden olur. Bu zorlukların üstesinden gelmek için, görsel açıklama algoritmalarının nesnel değerlendirmesi, iyileştirilmesi ve yan yana getirilmesi için metrik yetersizliğine somut bir çözüm sunan sağlam bir yöntem ortaya koyuyoruz. İstikrarsızlığa çözüm bulmak için MindfulLIME yöntemini tanıtıyoruz. Bu yeni yaklaşım, grafik tabanlı budama ve belirsizlik örneklemesinden yararlanarak, stratejik olarak amaca yönelik örnekler oluşturur ve görsel açıklamaların güvenilirliğini ve tutarlılığını artırır. Bu, LIME yöntemine göre gözle görülür bir ilerlemedir. VinDr-CXR veri setindeki görünmeyen rastgele örneklere uygulanan nitel analizimiz, seçtiğimiz metriğin üstünlüğünü kanıtlamaktadır. Toraks hastalıklarının çok etiketli, çok sınıflı teşhisini içeren karşılaştırmalı bir analizde, önerilen hassas ölçüm metriği aracılığıyla değerlendirilen MindfulLIME, optimal stabilite ve artırılmış lokalizasyon doğruluğu ortaya koymaktadır. Bu durum, tıbbi görüntülerle makine öğrenimi uygulamalarında güven oranını artırma kapasitesinin altını çizmektedir.
Özet (Çeviri)
Deep learning models are renowned but their complex internal workings often render them opaque. While efforts are underway to amplify their explainability, a substantial gap persists. One pivotal challenge is the unavailability of quantifiable metrics for evaluating visual explanations, leading to a reliance on manual assessments or suboptimal metrics. This restricts scalability, compromises reproducibility, and undermines trustworthiness. The necessity for objective metrics is further underscored during hyperparameters fine-tuning and the evaluation of various Explainable Artificial Intelligence (XAI) models. Another prominent hurdle is the instability exhibited by models like Local Interpretable Model-agnostic Explanations (LIME). The random perturbations intrinsic to LIME lead to inconsistent explanations, eroding trust and obstructing their integration into critical applications. To navigate these challenges, we unveil a robust method for the objective assessment, refinement, and juxtaposition of visual explanation algorithms, offering a concrete solution to metric inadequacy. Addressing instability, we introduce MindfulLIME. This cutting-edge approach leverages graph-based pruning and uncertainty sampling, strategically crafting purposeful samples and elevating the reliability and consistency of visual explanations - a discernible advancement over LIME. Our intricate qualitative analysis, applied to unseen random samples from the VinDr-CXR dataset, attests to the preeminence of our selected metric. In a comparative analysis involving multi-label, multi-class diagnosis of thorax diseases, MindfulLIME, evaluated via this refined metric, epitomizes optimal stability and augmented localization accuracy. This underscores its capacity to elevate the trust quotient associated with machine learning applications in the nuanced field of medical imagery.
Benzer Tezler
- Ménıère hastalığına bağlı gelişen denge kaybında sanal gerçeklik tedavisi içeren vestibüler rehabilitasyonun etkinliği
Effectiveness of virtual reality-based vestibular rehabilitation in managing balance loss associated with ménière's disease
İREM İLER
Yüksek Lisans
Türkçe
2024
Kulak Burun ve Boğazİstanbul Aydın ÜniversitesiOdyoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ UĞUR EMBİYE ÖZGÜR
- Mesken elektrik aboneleri için enerji yönetimi sistemi kullanımı
Utilization of energy management systems for residential electricity consumers
HÜSNÜ ALAY
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. BELGİN TÜRKAY
- Sürdürülebilir tedarik zinciri performansının değerlendirilmesinde SCOR modelinin incelenmesi
An analysis of the SCOR model in evaluating sustainable supply chain performance
CEYDA ÇALIŞIR
Yüksek Lisans
Türkçe
2024
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. DİLAY ÇELEBİ GONIDIS
- Investigation of managed aquifer recharge site suitability through multi-tiered decision making approach
Yönetilen akıfer besleme sahası uygunluğunun çok kriterli karar verme yaklaşımı ile incelenmesi
RACHID MOHAMED MOUHOUMED
Doktora
İngilizce
2023
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ÖZGER
- Assessment of hybrid RC building having various bearing isolators
Başlık çevirisi yok
MOHAMMED HASHIM JANABI
Yüksek Lisans
İngilizce
2023
İnşaat MühendisliğiAltınbaş Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ZEKİ HASGÜR