نهج التعلم العميق القائم على الذكاء الاصطناعي القابل للتفسير لتصنيف lesions الجلدية

تؤدي أنواع lesions الجلدية إلى تأخير في التشخيص بسبب التشابه العالي في المراحل المبكرة من سرطان الجلد. في هذا الصدد، تُعتبر خوارزميات التعلم العميق حلولًا معترفًا بها جيدًا؛ ومع ذلك، فإن هذه الأساليب المغلقة تؤدي إلى نقص الثقة حيث لا يستطيع أطباء الجلدية تفسير وتحقق من القرارات التي تتخذها النماذج. في هذه الورقة، يتم اقتراح نظام تصنيف lesions الجلدية قائم على الذكاء الاصطناعي القابل للتفسير (XAI) لتحسين دقة تصنيف lesions الجلدية. سيساعد هذا الأطباء على إجراء تشخيص عقلاني في المراحل المبكرة من سرطان الجلد. تم التحقق من نموذج XAI المقترح باستخدام مجموعة بيانات التعاون الدولي للتصوير الجلدي (ISIC) لعام 2019. يتمثل النموذج المطور في تحديد الأنواع الثمانية من lesions الجلدية (ديرماتوفيبروما، وسرطان الخلايا الكيراثية، والكراتوكي، والأورام الميلانية، والآفات الوعائية، والكراتوكي الضوئي، وسرطان الخلايا القاعدية، والميلانوما) بدقة تصنيف، ودقة، واسترجاع، ودرجة F1 تصل إلى 94.47%، 93.57%، 94.01%، و94.45% على التوالي. يتم تحليل هذه التوقعات بشكل أكبر باستخدام إطار عمل التفسيرات المحلية القابلة للتفسير النموذج-غير المعتمد (LIME) لتوليد تفسيرات بصرية تتوافق مع الاعتقاد السابق وأفضل ممارسات التفسير العامة. ستعزز القابلية للتفسير المدمجة في نموذجنا من قابليته للتطبيق في الممارسات السريرية الفعلية.